Differenza tra analisi fattoriale esplorativa e di conferma nel determinare l'indipendenza del costrutto

I ricercatori usano spesso due misure che hanno elementi molto simili e sostengono che misurano cose diverse (ad esempio, "Mi preoccupo sempre quando sono in giro con le automobili"; "Ho paura delle macchine"). Consente di definire le misure ipotetiche misurate dalla paura delle auto e dall'ansia dalla scala delle automobili. Sono interessato a testare empiricamente se valutano effettivamente diversi costrutti latenti o se misurano la stessa cosa.

I due modi migliori in cui posso pensare di farlo sarebbero attraverso analisi esplorative di fabbrica (EFA) o analisi di fattori di conferma (CFA). Penso che EFA sarebbe buono perché consente a tutti gli articoli di caricarsi liberamente senza vincoli. Se gli articoli delle due scale caricano gli stessi fattori, allora posso concludere che le misure probabilmente non valutano cose diverse molto bene. Posso anche vedere i vantaggi in CFA, tuttavia, poiché testerò modelli predefiniti. Ad esempio, potrei confrontare l'adattamento di un modello in cui tutti gli oggetti vengono caricati su un singolo fattore (ovvero non valutano costrutti diversi) o gli articoli vengono separati nelle misure previste. Un problema con CFA, suppongo, è che non prenderebbe davvero in considerazione modelli alternativi (ad esempio, un modello a tre fattori).

Ai fini della discussione, possiamo anche forse considerare che potrebbero esserci altre due misure molto simili là fuori (ad esempio, il questionario sull'ansia delle auto e le scale per la valutazione delle paure delle auto) che vorrei buttare nel mix!

Come posso determinare statisticamente meglio se due misure valutano costrutti diversi?

Questi metodi sono esempi di applicazione di analisi esplorative e di dati di conferma. L'analisi dei dati esplorativi cerca modelli mentre l'analisi dei dati di conferma esegue test di ipotesi statistiche sui modelli proposti. In realtà non dovrebbe essere visto in termini di quale metodo utilizzarlo è più una questione di quale fase dell'analisi dei dati ci si trova. Se non si è sicuri di quali fattori includere nel modello, si applica EFA. Una volta eliminati alcuni fattori e deciso su cosa includere nel modello, esegui CFA per testare formalmente il modello per vedere se i fattori scelti sono significativi.

Se capisco correttamente la tua domanda, è una domanda sui test . Quindi il semplice test richiede una sorta di analisi fattoriale di conferma, la stessa della domanda: "i mezzi nei sottogruppi differiscono davvero?" richiede un test t.

Sfortunatamente (?) Con la selezione dell'approccio generale del metodo appropriato di analisi fattoriale sono spesso implicati anche diversi modelli matematici (e statistici), ad esempio, se si seleziona "CFA" in SPSS, è implicito che si assumano errori non correlati e che gli errori non correlati sono stimati e la stima è esclusa dal modello - quindi, a mio avviso, a causa delle ulteriori implicazioni la selezione iniziale dell'approccio analitico del fattore corretto è spesso compromessa da queste implicazioni matematiche / statistiche.

In breve: la tua domanda è del tipo "testing the null", quindi hai bisogno di CFA o meglio: i metodi sviluppati nel quadro di SEM (modellazione di equazioni strutturali). Nota, esiste una mailing list amichevole e utile piena di esperti in SEM chiamata "SEMNET" e poiché non sono un vero esperto potresti affinare il tuo feedback chiedendo lì ...