Analiza czynnikowa jest jednym z popularnych sposobów redukcji zmiennych, about it stosowanym np. w sytuacji wybierania najlepszyszych pozycji testowych do kwestionariusza, there lub przy badaniu trafności teoretycznej narzędzi.
Niestety w SPSS domyślnie ustawienia pod hasłem Analiza Czynnikowa (Factor Analysis) wskazują na Analizę Głównych Składowych (Principal Components), advice która została opracowana w czasach, gdy komputery były drogie, powolne i trudno dostępne (z dzisiejszego punktu widzenia ;-).

Różnica między tymi analizami polega na tym, że PCA wyznacza czynniki tylko w oparciu o wspólną wariancję poszczególnych pozycji testowych, zaś EFA (E to exploratory, jest jeszcze odmiana konfirmacyjna, z narzucone odgórnie strukturą czynników: CFA) uwzględnia zarówno wariancję wspólna jak i swoistą dla każdej pozycji testowej.

Użycie FA jest jednak trudniejsze ze względu na mnogość metod estymacji dostępnych w programach statystycznych, gdy dla PCA jest tylko jedna. Generalna zasada mówi o tym, że jeżeli spełniony jest warunek normalności rozkładu dla danych, to najlepsza jest metoda największego prawdopodobieństwa (ML – maximum lilelihood), natomiast przy nie spełnianiu tego założenia przez dane metoda głównych osi (PAF – principal axis factors).

Jeśli chodzi o ilość czynników to decyzję najlepiej podjąć na podstawie wykresu osypiska. Znów domyślnie stosowana zasada wartości własnej większej lub równej 1 (tzw. kryterium Kraisera) jest najsłabszym możliwym wyznacznikiem. Jeśli oba kryteria wskazują na inną liczbę czynników, to warto porównać tabele z ładunkami czynnikowymi po rotacji dla obu rozwiązań. Ten przypadek, w którym jest mniej „bałaganu” (niskie wartości, pozycje ładujące kilka czynników (>.32), czynniki z 3 lub mniej pozycjami) jest lepszym rozwiązaniem.

Kolejną decyzją, którą się podejmuje podczas używania EFA jest wybór metody rotacji. Wybór opiera się na decyzji, czy oczekiwane czynniki będą skorelowane (oblimin, quartimin, promax), czy też nie (varimax, quartimax, eqiamax). Warto pamiętać, że rotacja eqiamax preferuje wyróżnienie jednego czynnika, kosztem pozostałych, natomiast varimax i oblimin są „sprawiedliwe” dla czynników.

A poniżej nagranie z ekranu jak wygląda analiza czynnikowa w SPSS: