Exploratory Factor Analysis

ナレッジセンター




概要、フォーラム、ベストプラクティス、専門家のヒント、およびリソース。

下記によって貢献される: Jens Grafarend


Exploratory Factor Analysisは何であるか。 記述

Exploratory Factor Analysis方法(EFA)は大きい一組の変数の根本的な構造(次元)の覆いを取ることに使用することができる技術である。 従って、EFAは幾つかの根本的な要因に大きい一組の変数を減らす。

例: 民間航空工業(ユナイテッド航空のデルタ、ルフトハンザ)の顧客満足についてのアンケートをセットアップした。 30の搭乗員のラウンジの購入の切符の顧客満足(例えば「便利」、「便利点検のの」、「環境」、「友情」、「達成の食糧の上の」、「座席の慰め」、「飛行中映画のような特別提供」、「到着の正確さ」の特別な欲求」、「質)を記述し、評価するために項目を識別した。 EFAの使用によって項目のあなたのセットの下にあった幾つかの中央要因にあなたの分析プロセス内の30の項目のセットを減らすことができる。 できる例えば考慮食糧の上の」が、「座席の慰め」および「飛行中映画のような特別提供」のラウンジ」の購入の切符」の項目「便利、「便利点検のの」、「環境、「質潜在的な次元の部分であると。 ビジネスを運転するために航空会社が行うことができる堅い事。 但し、「搭乗員の友情」、「達成の特別な欲求」および「到着の正確さ」はプロセス次元のより多くの部分である。


それはEFAが-私達の例の…これらの構造を要因「潜在性」および「プロセス」丁度調べていることを意味する。 マネジャーは- 「プロセス」でまたは分けなさい-部分今成長のマーケティングの活動のためのより深い「潜在性」に多くを焦点を合わせることによって彼らの顧客の満足を増進するために洞察力を得ることができる。
 

Exploratory Factor Analysisの起源。 歴史

要因分析的な方法は連続で想像されるかもしれない。 この連続は純粋な探険のプロシージャの方の確証的な技術から及ぶ。 チャールズSpearman (前方1904)は一般的な知性の考えの確認に興味があった。 個人のより大きいサンプルに与えられたより大きいテスト電池を含む調査の年によって開発されて延長実験証拠がSpearmanの単一の知的な要因の理論は不十分であると証明した。 可能性はグループの要因を取扱うために創造されなければならなかった。 30年代初頭に、Thurstoneは要因の性質に関して前の仮定に基づいて共通の推定と壊れ、多数の要因分析の一般的な理論を開発した。 Thurstoneの心の本「ベクトル」は(1935年)この理論のための数学および論理的な基礎を示した。


Exploratory Factor Analysisの計算。 フォーミュラ

EFAの使用によってデータを分析するためにはSPSSまたはsasのような統計的なパッケージを使用できる。


Exploratory Factor Analysisの使用法。 適用

  • 顧客満足の調査。
  • 測定サービス質。
  • 人格検査。
  • イメージの調査。
  • 市場区分の識別。
  • タイプの顧客かプロダクトまたは行動。

Exploratory Factor Analysisのステップ。 プロセス

典型的なEFAプロセスは次の通りある:

  1. EFAで入る項目か表示器を識別しなさい。
  2. 相関行列(ブラベPearsonからの相関関係の係数)を計算しなさい。
  3. 検査しなさいEFA (相関行列の重大さ、inverse、バートレットテスト、反イメージ共分散マトリクス、Kaiserマイヤー Olkin規準KMOのレベル)に使用するべき相関行列を
  4. 要因抽出方法(主成分の分析、主な要因分析)を選びなさい。
  5. 要因ローディングの要因を発見すれば。 要因ローディングは変数(テーブルの列)と要因(テーブルのコラム)間の相関係数である。
  6. 得られるべき要因の数を固定しなさい(このステップのため肘規準のKaiser規準そしてScreeテストを取ることは有用である)。
  7. 得られる要因を解釈しなさい(ある特定の上述の例の例えば「潜在性」および「プロセス」)

Exploratory Factor Analysisの強さ。 利点

  • 使いやすい
  • 調査の質問の多くのために有用、
  • 他の器械(例えば確証的な分析)によって結合すること容易な他の器械(要因スコアとの例えば回帰分析)の基礎

Exploratory Factor Analysisの限定。 不利な点

  • 変数は間隔量られなければならない。
  • 下る数は変数の量の3回より大きいべきである。

Exploratory Factor Analysisの仮定。 条件

  • 飛び地無し、間隔データ、直線性、多変数の正常、主な要因分析のための直交性

本: Klaus Backhaus， Bernd Erichson， Wulff Plinke - Multivariate Analysemethoden -

本: Joseph F Hair， Ronald L Tatham， Rolph E. Anderson， William Black - Multivariate Data Analysis  -

本: John C. Loehlin - Latent Variable Models -


探索的因子分析 特別興味グループ


特別興味グループ (0人のメンバー)

フォーラムについての探索的因子分析  

主題に関する議論：探索的因子分析。


2 types of multivariate analys
There are two main techniques of multiviariate analysis: 1. Factor Analysis (find the underlying dimensions or 'factors' (...) 		 
 
  
 
What to do if the Data of your Research Turn out to be Incomplete?
Suppose you have just finished executing an agriculture project in which you were distributing agricultural inputs to fa (...) 		 
 
  
 
Maximum Likelihood Extraction Method
I chose Principal Components Analysis and unfortunately there are 17 factors and Varimax table was presented just in the (...) 		 
 
  
 
SPSS Factor Analysis on Non-Parametric Data
Hi, I have 42 items, coded on binary scale 1 or 0. I wish to perform an Exploratory Factor Analysis using SPSS 15.0 My (...) 		 
 
  
 
Rotated component matrix
Hello, I am doing an exploratory factor analysis with 56 manifest variables using SPSS. However after running it, I do (...) 		 
 
  
 

ベストプラクティスについての探索的因子分析

ここでは、過去から最も価値のある議論が見つかります。

エキスパートのヒントについてのExploratory Factor Analysis（英語）

ここでは、専門家によるアドバイスを見つけるでしょう。


 

Disadvantages of Exploratory Factor Analysis

Applying Exploratory Factor Analysis, EFA Implementation (...)
 
 
 

Advantages of Exploratory Factor Analysis

Applying Exploratory Factor Analysis, EFA Implementation (...)
 
 

の情報源についての探索的因子分析

こちらでは、パワーポイントのプレゼンテーション、マイクロラーニングのビデオ、その他の情報源を見つけることができます。

Exploratory Factor Analysisをと比較した:  Regression Analysis  |  分析的なCRM  |  Confirmatory Analysis  |  LISREL


経営ハブに戻る: 人材 |  マーケティング


より多くの方法、モデル、理論
Special Interest Group Leader

ここにいますか？ 無料で登録する

 


12manageについて | 広告宣伝 | 当社にリンク/私たちを引用 | プライバシー | 提案 | サービス条件
© 2020 12manage - The Executive Fast Track. V15.3 - 最近の更新: 17-2-2020。その所有者のすべての名前™。