Analiza czynnikowa zmiennych porządkowych

• Autorzy: Mirosława Sztemberg-Lewandowska

Warianty tytułu

Factor Analysis For Ordered Categorical Variables

• Języki publikacji: PL

Abstrakty

W literaturze spotyka się zastosowanie tradycyjnej analizy czynnikowej dla zmiennych porządkowych. Celem artykułu jest zbadanie, czy takie podejście jest poprawne, jeśli tak, to czy dla wszystkich zmiennych porządkowych. W artykule porównane zostaną wyniki analizy czynnikowej przeprowadzonej na podstawie korelacji liniowych Pearsona i korelacji polichorycznych dla zmiennych mierzonych na skali trzystopniowej i osobno dla zmiennych mierzonych na skali siedmiostopniowej. Na tej podstawie zbada się, czy podstawne jest zastosowanie korelacji liniowych Pearsona dla zmiennych porządkowych mierzonych na tych skalach. Przedstawiony w artykule przykład empiryczny dotyczący rynku kawy ma na celu przedstawienie podobieństw i różnic w wynikach analizy czynnikowej po zastosowaniu obu korelacji. (fragment tekstu)

EN

The method of factor analysis is widely used as an exploratory tool to reduce the dimensionality of multivariate data. The fact that the standard model is strictly applicable only when the manifest variables are scaled is a serious limitation in economic science where the variables are often categorical. The classical factor analysis is based at Pearson correlation, while factor analysis for ordered variables uses polychoric correlation or tetrachoric for binary data. The article presents the usage of factor analysis to reduce the set of coffee characteristics in order to reach the few major factors influencing consumers' choice of a brand. (original abstract)

Słowa kluczowe

PL

Analiza czynnikowa; Dobór zmiennych

EN

Factor analysis; Variables selection

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia
• Rocznik: 2007
• Tom: 14
• Numer: nr 1169 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 489--498

Twórcy

autor

Mirosława Sztemberg-Lewandowska

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Bartholomew D.J. (1980), Factor Analysis for Categorical Data, "Journal of the Royal Statistical Society", Series В (Methodological) vol. 42, nr 3, s. 293-321.
• Bartholomew D.J., Steele F., Moustaki I., Galbraith J.I. (2002), The Analysis and Interpretation of Multivariate Data for Social Scientists, Chapman & Hall/CRC.
• Duffy D., Battistutta D., Mathews J., Martin N. (1998), A Factor Analysis of Associations among Self-Reported Immune Related Symptoms in a Large Twin Sample, "Twin Research" 1, s. 71-77.
• Kubinger K.D. (2003), On Artificial Results Due to Using Factor Analysis for Dichotomous Variables, "Psychology Science" vol. 45, s. 106-110.
• Kukuk M. (1998), Analyzing Ordered Categorical Data derived from Elliptically Symmetric Distributions, http://w210.ub.uni-tuebingen.de/dbt/volltexte/2005/2135/pdf/156.pdf.
• Konarski R. (2004), Model cechy latentnej w analizie psychometrycznej testów i pozycji testowych, [w:] В. Niemiecko, Н. Szaleniec (red.), Standardy wymagań i normy testowe w diagnostyce edukacyjnej, Polskie Towarzystwo Diagnostyki Edukacyjnej, Kraków.
• Ming Tan., Yinsheng Qu., Sunil Rao J. (1999), Robustness of the Latent Variable Model for Correlated Binary Data, "Biometrics" vol. 55, nr 1, s. 258-263.
• Olivares A.M., (2003), Testing Categorized Bivariate Normality with Two-Stage Polychoric Correlation Estimates, http://www.ub.es/gdne/documents/bivariate%20normality%20wp.pdf.