Нагрузки

Главный результат факторного анализа содержится в таблице Rotated component matrix. Это нагрузки переменных после вращения. Фактически это коэффициенты корреляции между исходными переменными и факторами. Фактор (component) состоит из тех переменных, которые имеют по этому фактору высокие (по модулю) нагрузки.

В первом факторе здесь объединились Поведение, Внимательность и Мотивация. Причем Поведение вошло в фактор с минусом и это не удивительно. В этом как раз и отразилось переворачивание полюсов 1 и 7, которое мы сознательно выполнили при подготовке исходных данных: минимальные оценки по переменной Поведение получили студенты, тщательно разбиравшиеся с заданиями. В то же время, наиболее внимательные и мотивированные студенты получили по переменным Внимательность и Мотивация максимальные оценки. Здесь все ясно: чем более мотивирован студент, тем более тщательно и внимательно он разбирается с заданиями. Переменные Поведение, Внимательность и Мотивация взаимно сильно связаны и поэтому объединились в одном факторе.

Второй фактор образован переменными Скорость, АктивныеОтветы и Уверенность. Значит, в данной выборке выявилась следующая закономерность: наиболее активно отвечали на вопросы к аудитории те же студенты, которые выполняли задания более быстро. И эти же студенты воспринимались преподавателем, как более уверенные. Может быть, причина в том, что эти студенты приобрели ранее больший опыт в областях, релевантных теме занятий. Но в некоторой степени, активность,  скорость и другие такие особенности являются разными проявлениями более общей черты: уверенности в себе.

Но уверенность в себе еще не является гарантией отсутствия ошибки. Многие студенты, активно реагирующие на вопросы, часто отвечают неверно. Высокая скорость действительно часто свидетельствует о ранее приобретенных опыте и/или способностях, но не менее часто она достигается за счет снижения внимательности. Подтверждение этим наблюдениям мы также находим в таблице Rotated component matrix: переменные, вошедшие в первый фактор, имеют низкие нагрузки по второму фактору и наоборот. Т.е. факторы являются независимыми, связь между ними слаба. Немного нарушает эту закономерность только Уверенность, которая несколько более сильно связана с первым фактором.

И обратите внимание: переменная Отсутствие здесь не относится ни к одному из факторов.

Вернемся к таблице Total variance explained: первый фактор после вращения (rotation) объясняет около 42% дисперсии, второй фактор – приблизительно 41%. В сумме же они, как до, так и после вращения объясняют приблизительно 83% дисперсии.

Коэффициенты корреляции. Не закрывайте файл Spo, воспользуйтесь меню Correlate > Bivariate и постройте корреляционную матрицу для всех 7-ми переменных.  Ок.   Вы видите, что Скорость, АктивныеОтветы и Уверенность действительно значимо положительно связаны друг с другом, но не связаны с другими переменными. Аналогичная ситуация с Поведением, Внимательностью и Мотивацией, учитывая только, что связь с Поведением отрицательна. А переменная Отсутствие не имеет сильных связей. Таким образом, корреляционный анализ подтверждает результаты факторного анализа.

Графическое представление нагрузок. График Component plot in rotated space содержит ту же информацию, что и таблица Rotated component matrix. Например, Поведение, Внимательность  и Мотивация имеют высокую нагрузку по первому фактору и малую нагрузку по второму фактору. Соответственно они расположены близко к горизонтальной оси и далеко от вертикальной оси. Не накладываются ли на вашем графике друг на друга имена переменных? Зайдите в среду редактирования графика, найдите свойство Data value labels и измените положение (position) надписей (labels). Например, вручную (manual). 

По всем вопросам, связанным с использованием материалов Expect.ru, обращайтесь к Никулину Денису Николаевичу
email