Co to jest analiza czynnikowa?
Analiza czynnikowa to praktyka polegająca na kondensacji wielu zmiennych do zaledwie kilku, dzięki czemu praca z danymi badawczymi staje się łatwiejsza.
Teoria zakłada, że istnieją głębsze czynniki, które kierują koncepcjami leżącymi u podstaw danych, i że można je odkryć i pracować z nimi, zamiast zajmować się zmiennymi niższego rzędu, które z nich wynikają. Analiza czynnikowa jest również czasami nazywana „redukcją wymiarów”. Można zredukować „wymiary” danych do jednej lub więcej „super-zmiennych”, znanych również jako nieobserwowane zmienne lub zmienne ukryte.
Te głębsze koncepcje nie są od razu oczywiste. Mogą one reprezentować cechy lub tendencje, które są trudne do zmierzenia, takie jak ekstrawersja lub IQ.
Jak w przypadku każdego procesu, który upraszcza złożoność, istnieje kompromis pomiędzy dokładnością danych a łatwością pracy z nimi. W przypadku analizy czynnikowej najlepszym rozwiązaniem jest takie, które pozwala na uzyskanie uproszczenia, które odzwierciedla prawdziwą naturę danych, przy minimalnej utracie precyzji.
Analiza czynnikowa nie jest pojedynczą techniką, ale rodziną metod statystycznych, które mogą być wykorzystane do identyfikacji ukrytych czynników wpływających na obserwowalne zmienne. Analiza czynnikowa jest powszechnie stosowana w badaniach rynku, a także w innych dyscyplinach, takich jak technologia, medycyna, socjologia, biologia terenowa, edukacja, psychologia i wiele innych.
EBook: 8 innowacji, które unowocześnią badania rynku
Kluczowe pojęcia w analizie czynnikowej
Jedną z najważniejszych idei w analizie czynnikowej jest wariancja – jak bardzo wartości liczbowe różnią się od średniej. Przeprowadzając analizę czynnikową, staramy się zrozumieć, w jaki sposób różne czynniki podstawowe wpływają na wariancję zmiennych. Każdy czynnik będzie miał wpływ, ale niektóre z nich będą wyjaśniać więcej wariancji niż inne, co oznacza, że dany czynnik dokładniej reprezentuje zmienne, z których się składa.
Ilość wariancji, którą wyjaśnia dany czynnik, jest wyrażona w wartości własnej. Jeśli rozwiązanie czynnikowe ma wartość własną 1 lub wyższą, wyjaśnia więcej wariancji niż pojedyncza obserwowana zmienna – co oznacza, że może być użyteczne przy redukcji liczby zmiennych. Rozwiązania czynnikowe z wartościami własnymi mniejszymi niż 1 wyjaśniają mniejszą zmienność niż pojedyncza zmienna i nie są uwzględniane w analizie. W tym sensie, rozwiązanie zawierałoby mniej czynników niż pierwotna liczba zmiennych.
Inną ważną metryką jest wynik czynnikowy. Jest to miara liczbowa, która opisuje, jak silnie zmienna z oryginalnych danych badawczych jest związana z danym czynnikiem. Innym terminem na określenie tego związku lub wagi w stosunku do danego czynnika jest ładunek czynnikowy.
Typy analizy czynnikowej
Istnieją dwie podstawowe formy analizy czynnikowej, eksploracyjna i konfirmacyjna. Oto jak są one wykorzystywane, aby dodać wartość do procesu badawczego.
Potwierdzająca analiza czynnikowa
W tym typie analizy, badacz zaczyna od hipotezy na temat swoich danych, którą chce udowodnić lub obalić. Analiza czynnikowa potwierdzi – lub nie – gdzie znajdują się zmienne ukryte i jak wiele wariancji na nie przypada.
Pierwotna analiza składowych jest popularną formą konfirmacyjnej analizy czynnikowej. Stosując tę metodę, badacz przeprowadza analizę w celu uzyskania wielu możliwych rozwiązań, które dzielą dane pomiędzy kilka czynników. Pozycje, które obciążają pojedynczy czynnik są silniej powiązane ze sobą i mogą być pogrupowane przez badacza przy użyciu jego wiedzy koncepcyjnej.
Użycie PCA wygeneruje szereg rozwiązań z różną liczbą czynników, od uproszczonych rozwiązań jednoczynnikowych do wyższych poziomów złożoności. Jednakże, im mniejsza liczba czynników, tym mniejsza wariancja będzie uwzględniona w rozwiązaniu.
Eksploracyjna analiza czynnikowa
Jak sama nazwa wskazuje, eksploracyjna analiza czynnikowa jest podejmowana bez hipotezy w umyśle. Jest to proces badawczy, który pomaga badaczom zrozumieć, czy istnieją związki między początkowymi zmiennymi, a jeśli tak, to gdzie one leżą i jak są pogrupowane.
Jak przeprowadzić analizę czynnikową
Większość głównych pakietów oprogramowania statystycznego, takich jak SPSS i Stata, zawiera funkcję analizy czynnikowej, którą można wykorzystać do analizy danych. Aby rozpocząć, będziesz potrzebował zmiennych, które Cię interesują i, jeśli to możliwe, szczegółów Twojej wstępnej hipotezy na temat ich relacji i zmiennych bazowych.
Jak analiza czynnikowa może Ci pomóc
As well as giving you less variables to navigate, factor analysis can help you understand grouping and clustering in your input variables, since they will be grouped according to the latent variables.
Powiedzmy, że zadajemy kilka pytań, z których wszystkie mają na celu zbadanie różnych, ale ściśle powiązanych aspektów satysfakcji klienta:
- Jak bardzo jest Pan/Pani zadowolony/a z naszego produktu?
- Czy poleciłby Pan/Pani nasz produkt przyjacielowi lub członkowi rodziny?
- Jak bardzo prawdopodobne jest, że kupi Pan/Pani nasz produkt w przyszłości?
Ale chcemy, aby tylko jedna zmienna reprezentowała wynik satysfakcji klienta. Jedną z opcji byłoby uśrednienie odpowiedzi na trzy pytania. Inną opcją byłoby stworzenie zmiennej zależnej od czynnika. Można to zrobić poprzez uruchomienie PCA i zachowanie pierwszego głównego składnika (znanego również jako czynnik). Zaletą PCA w stosunku do średniej jest to, że automatycznie waży każdą ze zmiennych w obliczeniach.
Powiedzmy, że masz listę pytań i nie wiesz dokładnie, które odpowiedzi będą poruszać się razem, a które będą poruszać się inaczej; na przykład, bariery zakupu potencjalnych klientów. Poniżej przedstawiamy możliwe bariery zakupu:
- Cena jest zaporowa
- Ogólne koszty wdrożenia
- Nie możemy osiągnąć konsensusu w naszej organizacji
- Produkt nie jest spójny z naszą strategią biznesową
- Muszę opracować ROI, ale nie mogę lub nie zrobiłem tego
- Jesteśmy związani umową z innym produktem
- Korzyści płynące z produktu nie przewyższają kosztów
- Nie mamy powodu, aby zmienić produkt
- Nasz dział IT nie może obsługiwać Twojego produktu
- Nie mamy możliwości zmiany produktu
- Nie posiadamy wystarczających zasobów technicznych
- Państwa produkt nie posiada funkcji, której wymagamy
- Inne (proszę określić)
Analiza czynników może odkryć tendencje, w jaki sposób te pytania będą poruszać się razem. Poniżej przedstawiono ładunki dla 3 czynników dla każdej ze zmiennych.
Zauważ, że każda z głównych składowych ma wysokie wagi dla podzbioru zmiennych. Pierwsza składowa silnie waży zmienne związane z kosztami, druga – zmienne związane z IT, a trzecia – zmienne związane z czynnikami organizacyjnymi. Możemy nadać naszym nowym super zmiennym mądre nazwy.
Jeśli mielibyśmy grupować klientów w oparciu o te trzy składowe, możemy zauważyć pewne trendy. Klienci mają tendencję do wysokiego poziomu barier kosztowych lub barier Org, ale nie obu.
Przykłady badań analizy czynnikowej
Analiza czynnikowa, w tym PCA, jest często stosowana w tandemie z badaniami segmentacyjnymi. Może być krokiem pośrednim do redukcji zmiennych przed użyciem KMeans do tworzenia segmentów.
Analiza czynnikowa zapewnia prostotę po redukcji zmiennych. W przypadku długich badań z dużymi blokami pytań w skali Matrix Likert, liczba zmiennych może stać się nieporęczna. Uproszczenie danych za pomocą analizy czynnikowej pomaga analitykom skupić się i wyjaśnić wyniki, jednocześnie redukując liczbę wymiarów, na których grupują dane.
Przykładowe pytania
Wybór pytań, na których należy przeprowadzić analizę czynnikową jest zarówno sztuką, jak i nauką. Wybór, które zmienne zredukować wymaga trochę eksperymentów, cierpliwości i kreatywności. Analiza czynnikowa działa dobrze na pytaniach w skali Likerta i pytaniach typu Suma do 100.
Analiza czynnikowa działa dobrze na blokach macierzy następujących gatunków pytań:
Psychografia (Zgadzam się/Rozstrzygam się):
- Cenię rodzinę
- Wierzę, że marka reprezentuje wartość
Behawioralne (Zgadzam się/Nie zgadzam się):
- Kupuję najtańsze opcje
- Jestem osobą kupującą po okazyjnych cenach
Attitudinalne (Zgadzam się/Nie zgadzam się):
- Gospodarka nie poprawia się
- Jestem zadowolony z produktu
Activity-Based (Agree/Disagree):
- Miłuję sport
- Czasami robię zakupy online w godzinach pracy
Pytania behawioralne i psychograficzne szczególnie nadają się do analizy czynnikowej.