HAIR : Memilih Antara Metode Data Reduksi

Memilih Antara Metode Data Reduksi

Apabila original variable digantikan oleh variable pengganti, factor scores, atau summated scales, keputusan harus dibuat manakah yang akan digunakan. Keputusan ini berdasarkan kebutuhan untuk menyederhanakan versus replikasi dalam studi lain versus keinginan untuk mengukur secara orthogonal.

Common Factor Analysis : Stage 4 dan 5

Perbedaan antara component analysis dan common factor analysis terjadi saat estimasi factor dan interpretasi stage. Sekali saja komunalitas digantikan pada diagonal, maka common factor model mengekstrak faktor dalam cara yang mirip pada component analysis.

Stage 4 : Deriving Factors dan Mengamati Kecocokan Keseluruhan

Reduksi matriks korelasi dengan komunalitas pada diagonal digunakan dalam common factor analysis. Langkah pertama untuk menentukan banyaknya factor yang bertahan dalam pengujian dan kemungkinan rotasi. Bila kita mendapatkan criteria root latent dengan nilai cutoff 1,0 dari eigenvalue, empat factor akan bertahan. Bagaimanapun, scree analysis mengindikasikan lima faktor yang harus dipertahankan.  Dalam kombinasi dua kriteria, mempertahankan empat faktor untuk analisis yang lebih jauh karena rendahnya nilai eigenvalue untuk faktor kelima dan untuk menjaga komparabilitas dengan analisis komponen. Pastikan bahwa ini adalah susunan keadaan yang sama yang ditemukan Dallam component analysis.

Yang perlu diingat bahwa di common factor analysis , hanya common atau shared variance yang digunakan. Jumlah dari eigenvalue, dan eigenvalue secara keseluruhan dari semua factor akan lebih rendah saat common factor yang dipertimbangkan.

Stage 5 : Interpretasi Faktor

Dengan menguji loading yang tidak dirotasi, kita harus membutuhkan rotasi factor matriks yang kita temukan ni component analysis. Factor loadings secara umum tidak setinggi yang diharapkan dan dua variable menampilkan cross-loadings. Dilanjutkan ke VARIMAX-ritated common factor analysis factor matrix.

Perbedaan utama dari banyak beda anata common factor dan component factor adalah secara umum loading yang lebih rendah ada pada common factor analysis karena komunalitas variabel yang lebih rendah digunakan dalam common factor analysis.

Managerial Overview of The Result

Pertama dengan memperhatikan struktur variabel, dalam hal ini memisahkan empat dan dimensi pembeda dari evaluasi yang digunakan konsumen dalam HBAT.

Summary

Ø      Membedakan teknik faktor analisis dari teknik multivariate lain

Saat variabel terkorelasi, dibutuhkan cara untuk mengelola variable-variabel ini :

Mengelompokkan variable-variabel dengan korelasi tinggi bersama-sama, melabeli ata atau menamai grup, dan bahkan mengkreasi pengukuran komposisi baru yang dapat merepresentasikan tiap grup variabel.

Ø      Membedakan antara exploratory dan confirmatory dalam penggunaannya dalam teknik factor analysis

Mendiskusikan teknik exploratory karena periset memiliki control kecil diantara spesifikasi struktur.

Ø      Memahami tujuh stage dari penerapan faktor analisis

1.      Klarifikasi obektif faktor analisis

2.      Mendesain faktor analisis termasuk seleksi variabel dan ukuran sampel

3.      Asumsi faktor analisis

4.      Deriving factors dan memeriksa kecocokan model secara keseluruhan

5.      Rotasi dan interpretasi faktor

6.      validasi solusi faktor analisis

7.      Tambahan penggunaan hasil faktor analisis seperti surrogate variabel, membuat summated scale atau menghitung fsactor score.

Ø      Membedakan R dan Q analisis faktor

Prinsip penggunaan analisis faktor untuk mengembangkan struktur diantara variabel disebut R faktor analisis. Faktor analisis juga dapat digunakan dalam kasus grup dan disebut Q factor analisis.

Ø      Mengidentifikasi perbedaan antara model component anaysis dan common factor analysis

Tiga tipe varians yang dipertimbangkan saat menerapkan faktor analisis: common variance, unique variance, dan error variance.

Component analysis atau principal component analysis dianggap sebagai total varians dan derived factor yang mengandung proporsi kecil dari varians yang unik dan terkadang error variance.

Component analysis dipilih saat data reduction adalah tujua utama. Common factor analisis berbasis hanya pada common variance dan asumsi unik dan error variance tidak tertarik dalam mendefinisikan struktur variable.

Ø      Menjelaskan bagaimana menentukan banyaknya faktor yang harus diekstrak

Saat memutuskan menghentinkan factoring, periset harus menggabungkan ponasi konseptual dengan beberapa landasan evidence. Kriteria ini kemudian digabungkan dengan pengukuran empiris struktur faktor.

Ø      Menjabarkan konsep faktor rotasi

Istilah rotasi berarti merujuk pada axes factor yang dirotasi dari titik originnya dengan beberapa posisi lain yang telah dicapai. Dua tipe rotasi adalah orthogonal dan oblique.

Rotasi faktor dalam interpretasi faktor dengan menyederhanakan struktur hingga memaksimalkan dignifikan loadings dari variabel pada single factor.

Ø      Menjelaskan bagaimana menamai faktor

Factor merepresentasikan sebuah komposite dari banyak variabel.

Variabel dengan loading tertingfgi dianggap lebih penting dan memiliki pengaruh yang lebih tinggi pada nama dan label yang diseleksi untuk merepresentasikan faktor.

Peneliti mengidentifikasi variabel dengan kontribusi terbesar dari faktor dan memasukkan nama untuk merepresentasikan pemahaman faktor konseptual.

Ø      Menjelaskan penggunaan tambahan dari analisis faktor

Apabila obyetif sederhana mengidentifikasi logika kombinasi dari variabel dan lebih baik memahami interrelationship diantara variabel kemudian faktor interpretasi akan mencukupi.

Pengukuran tunggal ini adalah kompisis variabel yang merefeksikan kontribusi relatif dari semua variabel pada faktor. Apabila summated scales valid dan reliable, dimungkinkan tiu merupakan yang terbaik dari tiga tipe alternatif data reduksi.

Ø      Menyatakan batasan utama teknik faktor analisis

Tiga dari most frequently citd limitations :

1.      Karena banyak teknik untuk performa exploratory analisis faktor tersedia, kontroversi yang ada diantara teknik ini adalah yang terbaik.

2.      Aspek subyektif dari faktor analisis adalah semua subyek untuk berbagia opini yang berbeda,

3.      Problem reliabilitas ini adalah riil.

Seperti prosedur statistic lain, analisis faktor dimulai dengan sebuah susunan data yang tidak sempurna. Faktor analisis jauh lebih komleks dan terlibat dengan subyek yang mungkin terindikasi. Problem ini menjadi kritis karena hasil dari frekuensi single factor analytic solution terlihat masuk akal. Sangat penting menekankan logika yang masuk akal tanpa garansi dari validitas dan reliabilitas.