Che cos’è l’analisi dei fattori?
L’analisi dei fattori è la pratica di condensare molte variabili in poche, in modo che i dati della tua ricerca siano più facili da lavorare.
La teoria è che ci siano fattori più profondi che guidano i concetti sottostanti nei tuoi dati, e che tu possa scoprire e lavorare con questi invece di trattare le variabili di livello inferiore che ne derivano a cascata. L’analisi dei fattori è anche chiamata a volte “riduzione delle dimensioni”. Potete ridurre le “dimensioni” dei vostri dati in una o più “super-variabili”, note anche come variabili non osservate o variabili latenti.
Questi concetti più profondi non sono immediatamente ovvi. Potrebbero rappresentare tratti o tendenze difficili da misurare, come l’estroversione o il QI.
Come per ogni tipo di processo che semplifica la complessità, c’è un compromesso tra l’accuratezza dei dati e quanto sia facile lavorarci. Con l’analisi dei fattori, la soluzione migliore è quella che produce una semplificazione che rappresenta la vera natura dei vostri dati, con una minima perdita di precisione.
L’analisi dei fattori non è una singola tecnica, ma una famiglia di metodi statistici che possono essere utilizzati per identificare i fattori latenti che guidano le variabili osservabili. L’analisi dei fattori è comunemente usata nelle ricerche di mercato, così come in altre discipline come la tecnologia, la medicina, la sociologia, la biologia del campo, l’educazione, la psicologia e molte altre.
eBook: 8 innovazioni per modernizzare le ricerche di mercato
Concetti chiave nell’analisi dei fattori
Una delle idee più importanti nell’analisi dei fattori è la varianza – quanto i valori numerici differiscono dalla media. Quando si esegue l’analisi dei fattori, si cerca di capire come i diversi fattori sottostanti influenzano la varianza tra le variabili. Ogni fattore avrà un’influenza, ma alcuni spiegheranno più varianza di altri, il che significa che il fattore rappresenta più accuratamente le variabili che lo compongono.
La quantità di varianza che un fattore spiega è espressa in un autovalore. Se una soluzione di fattore ha un autovalore di 1 o superiore, spiega più varianza di una singola variabile osservata – il che significa che può essere utile per ridurre il numero di variabili. Le soluzioni fattoriali con autovalori inferiori a 1 spiegano meno variabilità di una singola variabile e non vengono mantenute nell’analisi. In questo senso, una soluzione conterrebbe meno fattori del numero originale di variabili.
Un’altra metrica importante è il punteggio dei fattori. Questa è una misura numerica che descrive quanto fortemente una variabile dai dati originali della ricerca è legata ad un dato fattore. Un altro termine per questa associazione o ponderazione verso un certo fattore è factor loading.
Tipi di analisi dei fattori
Ci sono due forme fondamentali di analisi dei fattori, esplorativa e confermativa. Ecco come vengono utilizzate per aggiungere valore al tuo processo di ricerca.
Analisi dei fattori confermativa
In questo tipo di analisi, il ricercatore inizia con un’ipotesi sui suoi dati che vuole provare o confutare. L’analisi dei fattori confermerà – o meno – dove sono le variabili latenti e quanta varianza rappresentano.
L’analisi dei componenti principali è una forma popolare di analisi fattoriale confermativa. Usando questo metodo, il ricercatore eseguirà l’analisi per ottenere più soluzioni possibili che dividono i loro dati tra un certo numero di fattori. Gli elementi che si caricano su un singolo fattore sono più fortemente legati l’uno all’altro e possono essere raggruppati dal ricercatore usando la sua conoscenza concettuale.
Utilizzando la PCA si genera una gamma di soluzioni con un diverso numero di fattori, da soluzioni semplificate a 1 fattore a livelli più alti di complessità. Tuttavia, minore è il numero di fattori impiegati, minore sarà la varianza rappresentata nella soluzione.
Analisi fattoriale esplorativa
Come suggerisce il nome, l’analisi fattoriale esplorativa è intrapresa senza un’ipotesi in mente. È un processo investigativo che aiuta i ricercatori a capire se esistono associazioni tra le variabili iniziali e, in caso affermativo, dove si trovano e come sono raggruppate.
Come eseguire l’analisi dei fattori
La maggior parte dei principali pacchetti software statistici, come SPSS e Stata, includono una funzione di analisi dei fattori che puoi usare per analizzare i tuoi dati. Per iniziare, avrete bisogno delle variabili che vi interessano e, se del caso, dei dettagli della vostra ipotesi iniziale sulle loro relazioni e sulle variabili sottostanti.
Come l’analisi dei fattori può aiutarvi
Oltre a darvi meno variabili da navigare, l’analisi dei fattori può aiutarvi a capire il raggruppamento e il clustering nelle vostre variabili di input, poiché saranno raggruppate secondo le variabili latenti.
Si supponga di porre diverse domande, tutte progettate per esplorare aspetti diversi, ma strettamente correlati, della soddisfazione del cliente:
- Quanto è soddisfatto del nostro prodotto?
- Sarebbe disposto a raccomandare il nostro prodotto a un amico o a un familiare?
- Quanto è probabile che acquisti il nostro prodotto in futuro?
Ma si vuole solo una variabile per rappresentare un punteggio di soddisfazione del cliente. Un’opzione potrebbe essere quella di fare la media delle risposte alle tre domande. Un’altra opzione sarebbe quella di creare una variabile dipendente da fattori. Questo può essere fatto eseguendo la PCA e mantenendo la prima componente principale (nota anche come fattore). Il vantaggio della PCA rispetto a una media è che pondera automaticamente ogni variabile nel calcolo.
Si supponga di avere una lista di domande e di non sapere esattamente quali risposte si muoveranno insieme e quali in modo diverso; per esempio, le barriere all’acquisto dei potenziali clienti. Le seguenti sono possibili barriere all’acquisto:
- Il prezzo è proibitivo
- I costi complessivi di implementazione
- Non riusciamo a raggiungere un consenso nella nostra organizzazione
- Il prodotto non è coerente con la nostra strategia aziendale
- Ho bisogno di sviluppare un ROI, ma non posso o non l’ho fatto
- Siamo bloccati in un contratto con un altro prodotto
- I benefici del prodotto non superano il costo
- Non abbiamo motivo di cambiare
- Il nostro dipartimento IT non può supportare il vostro prodotto
- Non abbiamo risorse tecniche sufficienti
- Il vostro prodotto non ha una caratteristica di cui abbiamo bisogno
- Altro (specificare)
L’analisi dei fattori può scoprire le tendenze di come queste domande si muovono insieme. I seguenti sono i caricamenti per 3 fattori per ciascuna delle variabili.
Nota come ognuna delle componenti principali ha pesi elevati per un sottoinsieme di variabili. La prima componente pesa pesantemente le variabili relative al costo, la seconda pesa le variabili relative all’IT, e la terza pesa le variabili relative ai fattori organizzativi. Possiamo dare alle nostre nuove super variabili nomi intelligenti.
Se dovessimo raggruppare i clienti in base a queste tre componenti, possiamo vedere alcune tendenze. I clienti tendono ad essere alti nelle barriere di costo o nelle barriere di organizzazione, ma non in entrambe.
Esempi di studi di analisi dei fattori
L’analisi dei fattori, inclusa la PCA, è spesso usata in tandem con studi di segmentazione. Potrebbe essere un passo intermedio per ridurre le variabili prima di usare KMeans per fare i segmenti.
L’analisi dei fattori fornisce semplicità dopo aver ridotto le variabili. Per studi lunghi con grandi blocchi di domande su scala Likert a matrice, il numero di variabili può diventare ingombrante. Semplificare i dati usando l’analisi dei fattori aiuta gli analisti a concentrarsi e a chiarire i risultati, riducendo al contempo il numero di dimensioni su cui si stanno raggruppando.
Domande campione
Scegliere esattamente su quali domande eseguire l’analisi dei fattori è sia un’arte che una scienza. Scegliere quali variabili ridurre richiede un po’ di sperimentazione, pazienza e creatività. L’analisi dei fattori funziona bene sulle domande su scala Likert e sui tipi di domande Sum to 100.
L’analisi dei fattori funziona bene sui blocchi di matrice dei seguenti generi di domande:
Psicografia (D’accordo/d’accordo):
- Io apprezzo la famiglia
- Credo che la marca rappresenti un valore
Comportamentale (D’accordo/disaccordo):
- Acquisto l’opzione più economica
- Sono uno che compra a buon mercato
Attitudinale (D’accordo/disaccordo):
- L’economia non sta migliorando
- Sono soddisfatto del prodotto
Attitudinale (D’accordo/disaccordo):
- Amo lo sport
- A volte faccio acquisti online durante le ore di lavoro
Le domande comportamentali e psicografiche sono particolarmente adatte all’analisi dei fattori.