Primer rezultatov faktorske analize. Faktorska analiza za psihologe - Mitina

Faktorska analiza- statistična metoda, ki se uporablja pri obdelavi velikih količin eksperimentalnih podatkov. Cilji faktorske analize so: zmanjšanje števila spremenljivk (redukcija podatkov) in ugotavljanje strukture odnosov med spremenljivkami, t.j.

Klasifikacija spremenljivk, zato se faktorska analiza uporablja kot metoda redukcije podatkov ali kot metoda strukturne klasifikacije.

Pomembna razlika med faktorsko analizo in vsemi zgoraj opisanimi metodami je, da z njo ni mogoče obdelati primarnih ali, kot pravijo, »surovih« eksperimentalnih podatkov, tj. pridobljeno neposredno s pregledom predmetov. Material za faktorsko analizo so korelacije oziroma natančneje Pearsonovi korelacijski koeficienti, ki se izračunajo med spremenljivkami (tj. psihološkimi značilnostmi), vključenimi v raziskavo.

Faktorska analiza ima tri glavne aplikacije v psihologiji. Prvič, lahko se uporablja za izdelavo testov. Na primer, lahko napišete 50 postavk za merjenje neke sposobnosti, osebnostne lastnosti ali odnosa (kot je konzervativnost). Predmeti bodo nato predstavljeni reprezentativnemu vzorcu več sto posameznikov in obdelani (v primeru preizkusov sposobnosti), tako da bo pravilen odgovor označen z "1", napačen pa z oznako "O". Odgovore, pridobljene pri uporabi ocenjevalnih lestvic (kot pri večini vprašalnikov o osebnosti in odnosu), preprosto vnesemo v surovi obliki: ena točka, če je izbrana možnost odgovora (a), dve točki, če je izbrana možnost odgovora (b), itd. d. Odgovori na teh 50 postavk so nato povezani in faktorsko analizirani. Postavke, ki imajo visoko obremenitev za vsak dejavnik, merijo isti temeljni psihološki konstrukt in tako tvorijo lestvico. To vam omogoča, da preprosto s pogledom na faktorsko matriko določite, kako ravnati s prihodnjimi vprašalniki: če so elementi 1, 2, 10 in 12 edini, ki imajo pomembne obremenitve na enem faktorju, bo ena testna lestvica sestavljena samo iz teh štirih predmete.

Poleg tega je treba vsako lestvico potrditi, na primer z izračunom ocene vsake osebe za vsak dejavnik in oceno konstrukta in/ali napovedne veljavnosti teh lestvic. Na primer, rezultate, pridobljene s faktorji, je mogoče povezati z rezultati, pridobljenimi iz drugih vprašalnikov, ki se uporabljajo za napovedovanje učnega uspeha itd. Druga naloga, ki jo lahko reši faktorska analiza, je zmanjšanje podatkov ali »konceptualno čiščenje«. Razvitih je ogromno osebnostnih testov, ki temeljijo na različnih teoretičnih stališčih in ni vedno jasno, v kolikšni meri se prekrivajo.

Tretjič, faktorska analiza se uporablja za testiranje psihometričnih lastnosti vprašalnikov, zlasti kadar se uporabljajo v novih kulturah ali populacijah. Na primer, predpostavimo, da je treba v skladu s smernicami za uporabo avstralskega osebnostnega testa obdelati tako, da se seštejejo rezultati, pridobljeni na vseh lihih postavkah, ki tvorijo eno lestvico, medtem ko se vsota rezultatov, pridobljenih na vseh sodih točkah. postavk tvori drugo lestvico.

Glavni koncept faktorske analize je faktor. To je umetni statistični kazalnik, ki nastane kot posledica posebnih transformacij tabele korelacijskih koeficientov med proučevanimi psihološkimi značilnostmi ali interkorelacijske matrike. Postopek za pridobivanje faktorjev iz interkorelacijske matrike se imenuje faktorizacija matrike. Kot rezultat faktorizacije iz korelacijske matrike je m.b. ekstrahirano je bilo različno število faktorjev, do števila, ki je enako številu izvirnih spremenljivk. Vendar so dejavniki, ugotovljeni kot rezultat faktorizacije, praviloma neenakega pomena. Formalni kriterij za kakovost postopka faktorske analize je odstotek kombinirane variance prvotnih značilnosti.

Trenutno se faktorska analiza pogosto uporablja tako za reševanje raziskovalnih problemov kot za načrtovanje psihodiagnostičnih tehnik.

Informacije, ki vas zanimajo, najdete tudi v znanstvenem iskalniku Otvety.Online. Uporabite iskalni obrazec:

Več o temi 31. Uporaba faktorske analize v psihologiji:

1. 1. Metode faktorske analize, njihove vrste, značilnosti uporabe.
2. Faktorska analiza, popolni in frakcijski faktorski eksperiment in matematični model.
3. 62. Načrtovanje poskusov. Faktorska analiza, popolni in frakcijski faktorski eksperiment in matematični model.

Drugi multivariatni postopek je faktorska analiza. Med faktorsko analizo se določijo vrednosti velika količina spremenljivk, najdemo korelacijo med njimi, nato pa identificiramo skupine spremenljivk, ki tvorijo »faktorje«. Razložimo to idejo s preprostim primerom. Recimo, da študentom daste naslednje naloge:

preizkus besedišča (VT);

preizkus bralnega razumevanja (RT);

analogni test (na primer, zdravnik je povezan s pacientom, kot je odvetnik z_) (AN);

preizkus geometrije (GEOM);

test reševanja ugank (RG);

test rotacije figure (RF).

Za vse možne pare testov je mogoče izračunati Pearson r, kar ima za posledico tako imenovano korelacijsko matriko:

Opazite, kako nekatere korelacijske vrednosti tvorijo skupine (obkrožil sem dve skupini). Korelacije med besediščem, bralnim razumevanjem in analogijami so precej visoke. To velja za geometrijo, uganke in vrtljive oblike. Korelacije med testi, ki pripadajo različne skupine, so praktično enake nič. To nakazuje, da so ti testi namenjeni preučevanju dveh bistveno različnih mentalnih sposobnosti ali "faktorjev". Te lahko označimo kot "verbalna tekočnost" in "prostorske spretnosti".

Faktorska analiza je kompleksna statistična metoda, ki izloči posamezne faktorje iz niza navzkrižnih korelacij. Pri analizi te matrike bosta nedvomno izpostavljena ista dva dejavnika. Analiza določa tudi "faktorske obremenitve", ki so korelacije med vsakim od testov in vsakim od identificiranih dejavnikov. V zgornjem primeru bi imeli prvi trije testi "visoko obremenitev" pri faktorju 1 (verbalna tekočnost), drugi trije pa bi imeli "visoko obremenitev" pri faktorju 2 (prostorske spretnosti). Seveda se v resnični študiji korelacije nikoli ne združijo tako jasno kot v v tem primeru, rezultati pa raziskovalce pogosto vodijo v burne razprave o tem, ali so bili različni dejavniki dejansko odkriti. Neskladja so tudi pri tem, kako pravilno poimenovati dejavnike, saj sama faktorska analiza dejavnike le identificira, kako jih poimenovati, pa se odločijo raziskovalci sami.

Faktorska analiza je bila uporabljena v eni najdaljših razprav v psihologiji - ali je inteligenca ena sama lastnost človeka. Charles Spearman, utemeljitelj faktorske analize (začetek 20. stoletja), je menil, da imajo vsi inteligenčni testi enako obremenitev enega faktorja, ki ga je poimenoval splošni inteligenčni faktor ali g (iz angleškega general). Še več, po njegovem mnenju bi moral vsak test močno obremeniti drugi dejavnik, ki vključuje spretnost, ki se testira s testom (na primer sposobnost matematike). Te faktorje drugega reda ali "posebne" faktorje je označil kot s (iz angleškega special). Po njegovi »dvofaktorski« teoriji je uspešnost na inteligenčnih testih neposredno povezana s človekovo splošno inteligenco (g) in njegovimi specifičnimi veščinami (k). Spearman je verjel, da je g podedovan in da se različni 5-faktorji pridobijo z učenjem (Fruchter, 1954).

Drugi raziskovalci, vključno z Lewisom Thurstonom, so verjeli, da je inteligenca sestavljena iz številnih dejavnikov, in so zavračali obstoj splošnega faktorja g. Iz rezultatov faktorske analize je Thurstone ugotovil, da obstaja sedem različnih dejavnikov, ki jih je poimenoval "primarne mentalne sposobnosti": razumevanje govora, verbalna tekočnost, računanje, prostorske sposobnosti, spomin, hitrost zaznavanja in sposobnost sklepanja.

Vprašanje, ali je inteligenca ena sama entiteta, še vedno bega znanstvenike, ki jo merijo, in razprava o tem presega obseg tega poglavja. Za nas je pomembno, da lahko faktorska analiza pripelje do različnih rezultatov. To je posledica dejstva, da a) obstaja več vrst faktorske analize, ki različno ocenjujejo, kako visoka mora biti korelacija za identifikacijo posameznih dejavnikov, in b) c razne študije Za to težavo se uporabljajo različni inteligenčni testi. Zato raziskovalci uporabljajo različne pristope in testi, dobite zelo različne rezultate. Skratka tako kot ostali statistične metode, je faktorska analiza le orodje in sama po sebi ne more rešiti teoretičnih vprašanj, kot je narava inteligence.

Kot je postalo jasno iz tega kratkega uvoda, imajo korelacijski postopki vidno vlogo v sodobnem psihološke raziskave. Zelo pogosto so potrebni, če ni mogoče uporabiti eksperimentalnih postopkov. Poleg tega je razvoj kompleksnih večvariantnih postopkov olajšal obravnavanje vprašanja vzroka in posledice kot v preteklosti, ko je bila večina korelacijskih postopkov bivariatne narave.

Številne korelacijske študije potekajo zunaj laboratorijev. V naslednjem poglavju bomo podrobneje raziskali

Rezultati: glavni učinek in interakcija
Faktorske študije dajejo dve vrsti rezultatov: glavni učinek in interakcija. Glavni učinek kaže skupni vpliv neodvisnih spremenljivk, interakcija pa odraža skupni učinek ...

Korelacija in regresija: osnove
Šteje se, da so spremenljivke povezane, če med njimi obstaja kakršen koli odnos. To nakazuje že sam izraz »korelacija«: »co« pomeni medsebojno delovanje, »odnos« (iz angleškega odnosa ...

Medosebna komunikacija
Medosebna komunikacija je neformalna interakcija, ki poteka ena na ena ali v majhnih skupinah. Se pogovarjamo s sosedi v dijaškem domu, klepetamo po telefonu z...

Faktorska analiza se v psihologiji pogosto uporablja v različnih smereh, povezanih z reševanjem tako teoretičnih kot praktičnih problemov.

V teoretičnem smislu je uporaba faktorske analize povezana z razvojem tako imenovanega faktorsko analitičnega pristopa k preučevanju osebnostne strukture, temperamenta in sposobnosti. Uporaba faktorske analize na teh področjih temelji na splošno sprejeti predpostavki, da so opazni in neposredno merljivi kazalniki le posredne in/ali delne zunanje manifestacije več splošne značilnosti. Te značilnosti so za razliko od prvih skrite, tako imenovane latentne spremenljivke, saj predstavljajo koncepte ali konstrukte, ki niso na voljo za neposredno merjenje. Vendar pa jih je mogoče vzpostaviti s faktorizacijo korelacije med opazovanimi lastnostmi in izolacijskimi dejavniki, ki jih je (če so dobro strukturirani) mogoče interpretirati kot statistični izraz latentne spremenljivke, ki nas zanima.

Čeprav so dejavniki povsem matematične narave, se domneva, da predstavljajo latentne spremenljivke (teoretično postavljene konstrukte ali koncepte), tako da

Imena dejavnikov pogosto odražajo bistvo hipotetičnega konstrukta, ki se proučuje. Tako je faktorska analiza, ki jo je v začetku 20. stoletja razvil Charles Spearman za preučevanje strukture sposobnosti, omogočila uvedbo v psihologijo pojma splošnega faktorja sposobnosti – faktorja g. Kasneje je L. Thurstone predstavil in eksperimentalno preizkusil model, ki je vključeval 12 dejavnikov sposobnosti. Faktorsko-analitične študije temperamenta in osebnosti v tuji psihologiji zajemajo cela linija teorije preteklosti in sedanjosti, vključno s teorijami G. Allporta, R. Cattella, G. Eysencka in drugih.

V ruski psihologiji je bila faktorska analiza najbolj razširjena v diferencialni psihologiji in psihofiziologiji pri preučevanju lastnosti živčni sistem oseba v delih B.M. Teplov in njegova šola. Teplov je dal velik pomen te vrste statistične obdelave podatkov, pri čemer poudarja, da je faktorska analiza dragoceno orodje na vsakem področju, kjer je mogoče vsaj v obliki predhodne hipoteze domnevati prisotnost nekaterih osnovnih parametrov, funkcij, lastnosti, ki tvorijo »strukturo ” danega polja pojavov.

Trenutno se faktorska analiza pogosto uporablja v diferencialni psihologiji in psihodiagnostiki. Z njegovo pomočjo lahko razvijete teste, vzpostavite strukturo povezav med posamezniki psihološke značilnosti izmerjeno z nizom testov ali testnih postavk (glejte Dodatek 2).

Drug vidik uporabe faktorske analize je tako imenovana »redukcija« podatkov oziroma »konceptualno prečiščevanje« velikega števila testov, razvitih iz različnih teoretičnih pozicij za merjenje osebnostnih lastnosti. S faktorizacijo korelacijske matrike, pridobljene na velikem vzorcu preiskovancev z različnimi osebnostnimi testi, je mogoče natančneje ugotoviti strukturo osebnostnih lastnosti, ki jo določajo uporabljeni testi.

Faktorska analiza se uporablja tudi za standardizacijo testnih metod, ki se izvaja na reprezentativnem vzorcu preiskovancev.

Za podrobnejši uvod v različne možnosti uporabe faktorske analize v psihologiji priporočamo naslednjo literaturo (4, 12, 15, 25, 39).

utemeljitev vsebine, ki je dejansko uganjena v tem ali onem faktorju, je najtežja in najspornejša naloga. Na primer, če z velikimi pozitivnimi utežmi eden od identificiranih dejavnikov vključuje takšne spremenljivke, kot so visoka rast, grob glas, velik mišična masa, nagnjenost k tveganju, široka ramena, agresivno vedenje, potem bo najverjetneje takšno kombinacijo antropolog interpretiral kot moški dejavnik, endokrinolog bo videl vpliv nekega hormona, psiholog pa bo poskušal najti nekaj analogov v tipologija osebnosti. Tehnike faktorske analize se še posebej pogosto uporabljajo v psihologiji pri poskusih organiziranja (združevanja v lestvice) številnih postavk v dolgih osebnostnih vprašalnikih.

Večina programov faktorske analize je strukturiranih tako, da ima prvi ugotovljeni faktor največji vpliv na razpršenost kazalnikov v skupini (pojasnjeno varianco), vrednost preostalih faktorjev pa vztrajno pada.

Obstaja več osnovnih oblik faktorske analize, ki na koncu prinesejo različne rezultate. Izbiro želene možnosti narekujejo specifični cilji raziskave diplomskega dela.

❖ Analiza grozdov

Če morate veliko svojih spremenljivk (objektov) razdeliti na dano ali neznano število razredov, potem je priporočljivo uporabiti analiza grozdov(grozd - kup, kup, kopičenje, skupina elementov, za katero je značilna neka skupna lastnost). To je oblika matematične obdelave empiričnih materialov, ki se v diplomskih nalogah ne uporablja pogosto, je pa zanimiva v primerih, ko je spremenljivk dovolj veliko.

riž.

3. Primer ene izmed možnosti grafičnega prikaza rezultatov grozdne analize šestih spremenljivk.

Rad bi jasno videl njihovo urejenost – v kakšnih hierarhičnih razmerjih so spremenljivke višje stopnje splošnosti do bolj specifičnih, partikularnih (slika 3).

Zelo zanimive rezultate, ki gravitirajo na področje psiholingvistike, lahko dobimo s pomočjo klasterske analize, če jo uporabimo za postavke psiholoških testov, vprašalnikov in vprašalnikov.

Rezultate klasterske analize je treba uporabljati previdno, saj lahko eksperimentatorju vsili hipotezo o odnosih spremenljivk na podlagi zunanjih, formalnih kriterijev in ne upošteva njihove kvalitativne specifičnosti. Da bi se izognili takšni napaki, je bolje uporabiti več različnih algoritmov za izračun (teh je veliko, tehnike združevanja se razlikujejo) in med rezultati izbrati tistega, ki je najbolje pojasnjen z zdravorazumskega vidika. Treba je razumeti, da analiza grozdov določa "najverjetnejšo pomembno rešitev."

❖ Diskriminantna analiza

Druga metoda statistične obdelave, ki bi lahko bila uporabna pri vaši diplomski nalogi, se imenuje diskriminantna analiza. Njegovo bistvo je, da vam omogoča, da razdelite predmete ali stanja, ki imajo določene značilnosti, jih dodelite razredu ali ocenite bližino določenega stanja enemu od razredov. Sam raziskovalni postopek diskriminantne analize je sestavljen iz več korakov:

določene so skupine, ki jih je treba v prihodnosti razlikovati (na primer bolniki s histerično nevrozo od bolnikov z obsesivno-kompulzivno nevrozo) - to je tako imenovani vzorec za usposabljanje;

te skupine, od katerih ima vsak član že natančno (preverjeno) diagnozo, proučujemo po največjem številu znakov (trenutni simptomi, osebna predispozicija, specifičnost družinska vzgoja, narava travmatičnih situacij itd.);

za vsako od proučevanih značilnosti se diskriminira in spremlja celoten vadbeni vzorec (obeh pacientov) - kako natančno je ta lastnost razdelila skupino na diagnoze v primerjavi z dejanskim stanjem;

med vsemi pregledanimi značilnostmi so izbrane najbolj informativne (tiste, ki najbolj natančno razdelijo vzorec usposabljanja) in se v prihodnosti začnejo uporabljati za izboljšanje natančnosti diagnoze pri tistih, ki še niso bili diagnosticirani;

Na poti lahko po potrebi spremljate, kako blizu ali daleč je vsak od pregledanih posameznikov do enega ali drugega stanja.

Kot rezultat diskriminantne analize za vsako spremenljivko boste prejeli standardiziran koeficient (T - Wilksova lambda), interpretiran na naslednji način: večji kot je, manjši je prispevek ustrezne spremenljivke k razlikovanju populacij.

Z drugimi besedami, osnovna ideja diskriminantne analize je ugotoviti, ali se populacije razlikujejo glede na povprečje neke spremenljivke (ali njihove kombinacije), in nato uporabiti to spremenljivko za napovedovanje članstva novih članov v določeni skupini (to je napoved naloge). Preprostejši primer: indikator višine lahko služi kot diskriminatorni znak za razvrščanje nam neznane osebe med moške ali ženske, saj je že zagotovo znano, da je povprečna višina moškega višja od povprečne višine ženske.

Ena taka značilnost, kot je mogoče uganiti iz predstavljenega primera, ne zagotavlja zanesljivosti napovedi, vendar jo lahko kombinacija značilnosti naredi precej samozavestno.

Spodaj je ilustracija grafičnega prikaza diskriminantne analize (slika 4).

Koren 1 vs. Root2

riž.

4. Grafični primer delitve nosilcev lastnosti v tri skupine, dobljen kot rezultat diskriminantne analize.

❖ Neparametrične metode

Še enkrat bi rad poudaril, da je vse obravnavane postopke statistične analize mogoče pravilno uporabiti le, če vaši eksperimentalni podatki upoštevajo t.i. ali se mu vsaj približati. To pomeni, da se v porazdelitvi, ki jo imate, skrajne vrednosti lastnosti - tako najmanjše kot največje - pojavljajo redko, in bližje kot je vrednost lastnosti aritmetični sredini, pogosteje se pojavlja (glej sliko 1). 1).

Ne da bi se spuščali v podrobnosti, bomo izpostavili le imena neparametričnih postopkov, ki omogočajo pridobivanje indikatorjev, podobnih normalno porazdeljenim.

Za določitev pomembnosti razlik med dvema neodvisnima vzorcema (na primer pri primerjavi fantov in deklet) so neparametrične alternative testu t serijski kriterij B ald a-Volfovich a, UMann-Whitneyjev test in dvoizbirni redni test tipa Kolmogorov-Smirnov.

Če diplomska naloga razkrije razlike med odvisnimi vzorci (na primer kazalniki ene skupine pred in po popravnem delu), potem morate uporabiti Wilcoxonov T-test za razlike parov, kar je mogoče uporabiti tudi za razvrščene podatke. V primerjavi s Studentovim t-testom zahteva bistveno manj računanja in skoraj tako strogo testira običajno porazdeljene vzorce. Njegova učinkovitost za velike in majhne vzorce je približno 95 %.

Če imata obravnavani spremenljivki alternativno porazdelitev (vključujeta le dve stopnji, kot so rezultati testov v skupini pod ali nad neko izbrano vrednostjo pred in po treningu ali število fantov in deklet, ki opravijo test matematike), potem je ustrezna neparametrična testi za pomembnost razlik bodo % 2 (hi-kvadrat ni priporočljiv za uporabo, če je število poskusov v vsaki od primerjanih porazdelitev manjše od 10) in Fisherjev natančen test za mizo s štirimi polji. Pozor: ne zamenjujte algoritma za izračun omenjenega neparametričnega kriterija % 2 z ima veliko skupnega z algoritmom za izračun Pearson x 2 testa ujemanja, ki je uporaben pri primerjavi empiričnih in teoretičnih porazdelitev, ki se običajno uporablja za ugotavljanje, ali dejanska porazdelitev ustreza normalnemu zakonu.

Za razjasnitev povezav med karakteristikami (korelacije) lahko izračunate že omenjeno tetrahorični indeks(G), Spearman rang korelacijski koeficienti(R ali p) in maj(T) Kendall. Zadnja dva se lahko uporabita za določitev tesnosti povezav med kvantitativnimi in kvalitativnimi značilnostmi, pod pogojem, da so njihove vrednosti urejene ali razvrščene glede na stopnjo zmanjšanja ali povečanja značilnosti.

❖ Računalniška obdelava in grafične ilustracije

Naj vas ne zmede preobremenitev statističnih postopkov, priporočenih za uporabo v diplomski nalogi. V večini primerov vam ni treba (čeprav je zaželeno) poznati njihov matematični aparat. Do danes so bili za potrebe znanosti razviti številni računalniški programi, ki omogočajo, da tudi oseba, ki ni seznanjena z matematiko, precej enostavno izračuna večino želenih kazalnikov. Najbolj znani in priljubljeni med njimi so paketi Statistica (tabelarni in grafični primeri uporabe so navedeni zgoraj) in SPSS. Oba programa sta opremljena z referenčnim gradivom v obliki pomoči in posebne informacijske podpore s pregledom glavnih računskih algoritmov. Pri izpeljavi kazalnikov razlike se v korelacijskih matrikah in drugih tabelah samodejno barvno in krepko poudarijo numerične vrednosti, ki so za raziskovalca še posebej zanimive (glede zanesljivosti, pomembnosti, prioritete itd.).

Ti isti paketi lahko bistveno izboljšajo videz diplomsko delo z vnosom večje jasnosti vanj. To dosežemo tako, da nekatere težko berljive tabele in digitalne podatke nadomestimo z grafi, histogrami in drugimi oblikami ilustracij, ki se dobro prilegajo pomenskemu orisu predstavljenih rezultatov (vendar nič odveč!).

Izbira oblike grafa ne sme biti naključna. Na primer, spremembe v času so bolje zaznane v linearni predstavitvi, primerjave indikatorjev dveh skupin - v stolpčni predstavitvi, razmerja - v krožnih histogramih in disperzija - v pikčastem (sl. 5-8).

42. Faktorska analiza

Faktorska analiza– niz analitičnih metod, ki omogočajo prepoznavanje skritih znakov, pa tudi vzrokov za njihov nastanek in notranjih vzorcev njihovega razmerja.

Faktorska analiza je namenjena preoblikovanju prvotnega nabora karakteristik v enostavnejšo in bolj smiselno obliko. Osrednja naloga metode je prehod od nabora neposredno izmerjenih značilnosti preučevanega pojava do kompleksnih posplošenih dejavnikov, za katerimi stojijo kombinacije začetnih značilnosti, identificiranih na podlagi njihovih notranjih vzorcev, ki odražajo strukturo proučevanega pojava. področje pojavov.

Po mnenju enega od ustvarjalcev faktorske analize - L. Thurston, ta metoda se uporablja za "kondenzacijo" testnih rezultatov, njihovo reduciranje na relativno majhno število neodvisnih spremenljivk in za izolacijo dejavnikov, ki so potrebni za opis individualnih razlik v testnih rezultatih. Faktorska analiza ni samo metoda statistične obdelave začetnih podatkov za posploševanje, ampak tudi širša znanstvena metoda potrditev hipotez o naravi procesov.

Izhodiščna informacija za izvedbo faktorske analize je korelacijska matrika oziroma matrika interkorelacije testnih indikatorjev. V nekaterih modelih faktorske analize lahko matrika vključuje druge značilnosti povezav in kontingenc med proučevanimi značilnostmi (na primer razmerja med grozdi, razdalje v semantičnem prostoru). Posplošene faktorje prvega reda, izolirane z analizo interkorelacije ali drugih značilnosti razmerja, lahko predstavimo v obliki nove matrike, ki odraža korelacije med faktorji. Na podlagi takih matrik je mogoče določiti faktorje višjega reda.

V zgodovini psihologije je faktorska analiza povezana z reševanjem številnih teoretičnih problemov. Sprva so ga dojemali kot enega glavnih pristopov k razkrivanju vsebine psiholoških lastnosti. Torej, C. Spearman(1931) na podlagi analize korelacij med rezultati razne teste Predstavljena je bila ideja o enotnem splošnem faktorju (faktor G), ki je osnova za uspeh vseh testov, povezanih z merjenjem intelektualnih lastnosti. L. Thurston(1931) je razvil multifaktorsko analizo ocene številnih koreliranih (poševnih) in relativno neodvisnih (ortogonalnih) dejavnikov, ki pojasnjujejo multifaktorski koncept inteligence. Trenutno metode faktorske analize predstavljajo kompleksno posebno področje matematične statistike.

Analiza diplomske naloge: »Sizif« trdo dela in skoraj uspe. Toda v nekem trenutku se sprosti, preneha s svojim trudom in izgubi vse, kar je dosegel. Mora začeti znova, ponoviti celoten cikel: depresivna reakcija: Sizifov otrok.

Analiza diplomske naloge: Mala Betky sedi na stolčku, zaprta vase in čaka na "Pajka", saj nima česa drugega upati. Pojavi se in jo poskuša prestrašiti, vendar se ona odloči, da je to najlepši "pajek" na svetu in se odloči ostati z njim. On občasno