ole - peatelgede meetod: jääkhajuvus on olemas, muutujate hajuvust püütakse kommunaliteedi tasemeni ära seletada; kommunaliteedi lõppväärtused arvutatakse lähendusena. Esialgsed kommunaliteedid on peakomponentide meetodi puhul alati väärtusega 1, sest esialgseid peakomponente on sama palju kui algtunnuseid ja nende poolt saab kirjeldatud kogu algtunnuste variatiivsus. 24. Kuidas faktormaatriksist leida esimese muutuja kommunaliteeti? Faktorlaadungid või faktorkaalud (seitsme lähenduse tulemusena) F1 F2 x1 0,94331 -0,28039 x2 0,70669 -0,16156 x3 0,92825 -0,30210 x4 0,38926 0,91599 x5 0,32320 0,93608
Kinnitav faktoranalüüs (JASPis) Saab kontrollida tunnuste kuuluvust faktorisse (eelnevate analüüside alusel) Vaja teha valikud: o Additonal OutpuI – Additional Fit Measures Fit indices tabelist vaadata CFI ja TLI, mis võiks mõlemad olla üle 0,9/0,95 Other fit measures RMSEA ja SRMR võiks olla alla 0,06/0,08 o Plots – Model plots – Show parameters Faktorlaadungid visuaalsel kujul o Advanced – Standardization – All Faktorlaadungid iga tunnuse kohta on nähtavad standardiseeritud kujul, samuti saab näha nende p-väärtust.
5 ,617 8,808 86,156 6 ,547 7,820 93,976 7 ,422 6,024 100,000 Extraction Method: Maximum Likelihood. Viimane osa tabelist Extraction Sums of Squared Loadings näitab faktoreid, mille omaväärtus on suurem kui 1. Näeme, et esimene faktor kirjeldab ära 32,347 koguvarieeruvusest ja teine faktor ainult 6,703 %. c) Faktorlaadungid ehk faktorkaalud. Need arvutatakse kõikidele indikaatoritele seotuna kõikide faktoritega. Tabelis Pattern Matrix näidatakse faktorkaale pärast faktorite pööramist. Tabeli all näeme ka pööramise meetodit. Nende väärtuste järgi vaadatakse faktorite tekkimise mustrit. Sisuliselt on tegu korrelatsioonikordajaga faktori ja indikaatori vahel: mida suurem see arv on, seda tõenäolisemalt see indikaator on antud faktori poolt määratud.
annaabi.ee 
