Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
Федеральное Агентство по Образованию РФ
Поморский Государственный Университет имени М.В. Ломоносова
Факультет психологии
Кафедра психологии
ОТЧЕТ №5
Общий психологический практикум. Измерения в психологии
«Факторный анализ»
«Выявление независимых факторов при оценке личностных качеств сказочных героев»
Выполнила:
Мухрякова Ирина 2 курс
21 группа
факультета психологии
Проверила: Киналь
Анна Николаевна
Архангельск, 2010
СОДЕРЖАНИЕ
ТЕОРЕТИЧЕКСКОЕ ВВЕДЕНИЕ И ПОСТАНОВКА ПРОБЛЕМЫ
Возникновение и развитие факторного анализа тесно связано с измерениями в психологии. Длительное время факторный анализ рассматривался и воспринимался как математическая модель в психологической модели интеллекта. Основная идея была сформулирована ещё Ф. Гальтоном, основоположником измерений индивидуальных различий. Она сводится к тому, что если несколько признаков, измеренных на группе индивидов, изменяются согласованно, то можно предположить существование одной общей причины этой совместной изменчивости – фактора как скрытой, непосредственно не доступной измерению переменной.
Таким образом, главная цель факторного анализа – уменьшение размерности исходных данных с целью их экономного описания при условии минимальных потерь исходной информации. Результатом факторного анализа является переход от множества исходных переменных к существенно меньшему числу новых переменных – факторов. Фактор при этом интерпретируется как причина совместной изменчивости нескольких исходных переменных.
Интерпретация факторов – одна из основных задач факторного анализа. Её решение заключается в идентификации факторов через исходные переменные.
Модель главных компонент лежит в основе большинства методов факторного анализа и часто рассматривается как один из его самостоятельных вариантов. Анализ главных компонент преобразует набор коррелирующих исходных переменных в другой набор – некоррелирующих переменных.
Весь процесс факторного анализа можно представить как выполнение шести этапов:
Все признаки должны быть представлены в метрической шкале. Недопустимы функциональные зависимости между переменными и корреляции, близкие к единице. Количественное соотношение признаков и объектов зависит от целей исследования.
Для определения числа факторов были предложены два критерия. Критерий Кайзера: число факторов равно числу компонент, собственные значения которых больше 1. Критерий отсеивания Р. Кеттелла (scree – test), требует построения графика собственных значений (scree plot). Количество факторов определяется приблизительно по точке перегиба на графике собственных значений до его выхода на пологую прямую после резкого спада. При этом проверяются три гипотезы: если К – точка перегиба, то возможное количество факторов равно К-1, К и К+1.
Критерии являются лишь примерным ориентиром. Окончательное решение о числе факторов принимается только после интерпретации факторов.
Выбирается метод факторизации, задается число факторов. Результатом данного этапа является матрица факторных нагрузок (факторная структура) до вращения, которая не подлежит интерпретации.
Полезная информация на данном этапе: суммарная доля дисперсии (информативность) факторов и значение общностей переменных. Суммарная доля дисперсии – показатель того, насколько полно выделяемые факторы могут представить данный набор признаков, а этот набор – выделяемые факторы. Общность переменной – показатель «участия» в факторном анализе, насколько она влияет на факторную структуру.
На этом этапе выбирается один из аналитических методов вращения факторов, обычно – варимакс-вращение. В результате вращения достигается факторная структура, наиболее доступная для интерпретации при данном соотношении переменных и факторов.
Интерпретация факторов производиться в следующем порядке. По каждой переменной выделяется наибольшая по абсолютной величине нагрузка – как доминирующая. По каждому фактору выписывают наименования переменных, имеющих наибольшие нагрузки по этому фактору, при этом обязательно учитывается знак факторной нагрузки. Если знак отрицательный, это отмечается как противоположный полюс переменной. После такого просмотра всех факторов каждому из них присваивается наименование, обобщающее по смыслу включенные в него переменные.
В настоящее время не существует формальных критериев соответствия факторной структуры простой. Поэтому основным критерием остается возможность хорошей содержательной интерпретации каждого фактора по двум и более исходным переменным.
Оценки факторных коэффициентов являются коэффициентами линейного уравнения, связывающего значение фактора и значения исходных переменных.
Факторные оценки – значения факторов для каждого объекта (испытуемого).
Основные этапы факторного анализа
1) сбор эмпи рических данных и подготовка корреляционной (ковари ационной) матрицы;
2) выделение первоначальных (ор тогональных) факторов;
3) вращение факторной струк туры и содержательная интерпретация результатов ФА.
1. Сбор эмпирических данных
Модель факторного анализа разрабатывалась для метрических данных. Поэтому первое требование к исходным данным — представление всех при знаков в метрической шкале.
Включение в анализ порядковых или бинарных данных допустимо, но ис следователь должен отдавать себе отчет, что искажения факторной структуры при этом будут соответствовать искажениям коэффициентов корреляций, достоверность и ценность конечного результата обратно пропорциональ ны доле потерянной исходной информации.
Если цель факторного анализа заключается только в определении струк туры взаимосвязей переменных, то допустимо применение порядковых дан ных, но перед проведением факторного анализа необходимо перейти к ран гам по каждой переменной. Допустимо также использовать факторный анализ в отношении дихотомических переменных, если задача ограничивается оп ределением структуры взаимосвязей и дихотомические корреляции между переменными не очень велики (не превышают 0,7)'.
Порядковые и даже дихотомические данные могут использоваться для вычисления оценок факторов, но при условии действительно простой фак торной структуры, высоких значениях общностей и факторных нагрузок переменных, определяющих каждый фактор.
Недопустимы функциональные за висимости между переменными и корреляции, близкие к единице.
Достаточно важен вопрос о количестве используемых переменных. Вслед за Терстоуном многие авторы считают, что в разведочном ФА на один фактор должно приходиться не менее трех переменных. Для конфирматорного ФА эта про порция меньше и, как правило, исследователи ограничи ваются двумя переменными. Если исследователя интересует оценка надежности получаемых факторных нагрузок, су ществуют и более строгие оценки количества необходимых переменных.
Желательно, чтобы количество признаков было не меньше количества объектов.
Формальный итог первого этапа — получение матри цы смешения и на ее основе — корреляционной матрицы. Матрица смешения — это таблица, куда заносятся ре зультаты измерения наблюдаемых переменных: в столб цах матрицы (по числу переменных) представлены оценки испытуемых (или одного испытуемого) каждой из пе ременной; строки матрицы — это различные наблюдения каждой переменной. Для последующего расчета по этим данным корре ляционной матрицы с достаточно достоверными коэф фициентами корреляции следует обеспечить необходимое число наблюдений, т.е. количество строк в матрице сме шения. Обычно не следует планировать менее 11—12 на блюдений.
Корреляционная матрица (матрица попарных корре ляций между переменными) рассчитывается, как прави ло, с использованием коэффициента линейной корреля ции Пирсона.
2. Факторизация матрицы корреляций или выделение первоначальных факторов.
Выбирается метод факторизации, желательно — главных осей, наимень ших квадратов или максимального правдоподобия. Задается число факторов, в соответствии с проверяемой гипотезой. Результатом данного этапа являет ся матрица факторных нагрузок (факторная структура) до вращения, которая не подлежит интерпретации.
Полезной информацией на этом этапе могут являться суммарная доля дис персии (информативность) факторов и значения общностей переменных. Суммарная доля дисперсии — показатель того, насколько полно выделяемые факторы могут представить данный набор признаков, а этот набор — выделя емые факторы. Общность переменной — показатель ее «участия» в фактор ном анализе, насколько она влияет на факторную структуру. Переменные с наименьшими общностями — ближайшие кандидаты на исключение из ана лиза в дальнейшем.
После расчета матрицы факторных нагрузок наступает наиболее сложный, ответственный и творческий этап использования ФА — определение ми нимального числа факторов, адекватно воспроизводя щих наблюдаемые корреляции, и содержательная интер претация результатов ФА.
Применяется крите рий отсеивания Р. Кеттелла и критерий Кайзера —- величины собственного значения фактора, большего 1 (λ> 1). Эти критерии не являются жесткими, поэтому далее проверяется несколько гипотез о числе факторов. Начинать при этом рекомендуется с максимально возможного числа факто ров, с учетом обоих критериев, постепенно уменьшая их число.
Другой не менее важный расчетный показатель зна чимости каждого фактора — процент объясняемой диспер сии переменных, содержащейся в корреляционной матри це. Принято считать, что при хорошем факторном решении выбирают столько факторов, чтобы они в сумме (последний столбец таблицы) объясняли не ме нее 70—75%. В хорошо спланированных исследованиях с установленной факторной структурой этот суммарный про цент может достигать 85—90 %.
3. Вращение факторной структуры и содержательиая интерпретация результатов ФА.
На этом этапе выбирается один из аналитических методов вращения фак торов, обычно — варимакс-вращение (Varimax normalized). В результате вращения достигается факторная струк тура, наиболее доступная для интерпретации при данном соотношении пе ременных и факторов.
Интерпретация факторов производится по таблице факторных нагрузок после вращения в следующем порядке. По каждой переменной (строке) выде ляется наибольшая по абсолютной величине нагрузка — как доминирующая. Если вторая по величине нагрузка в строке отличается от уже выделенной менее чем на 0,2, то и она выделяется, но как второстепенная. После про смотра всех строк — переменных, начинают просмотр столбцов — факторов. По каждому фактору выписывают наименования (обозначения) переменных, имеющих наибольшие нагрузки по этому фактору — выделенных на преды дущем шаге. При этом обязательно учитывается знак факторной нагрузки переменной. Если знак отрицательный, это отмечается как противополож ный полюс переменной. После такого просмотра всех факторов каждому из них присваивается наименование, обобщающее по смыслу включенные в него переменные. Если трудно подобрать термин из соответствующей теории, до пускается наименование фактора по имени переменной, имеющей по срав нению с другими наибольшую нагрузку по этому фактору.
Основные проблемы факторного анализа
Проблема общности
Общность – часть дисперсии переменной, обусловленная действием общих факторов. Характерность – часть ее дисперсии, обусловленная спецификой данной переменной и ошибками измерения.
Проблема общностей заключается в том, что они, как и число общих факторов, не известны до начала анализа, но должны каким-то образом задаваться, так как величины факторных нагрузок зависят от величин общностей. В компонентном анализе этой проблемы не существует: общность каждой переменной равна 1, при условии выделения всех Р компонент. Различия в методах факторного анализа и определяются тем, как решается проблема общностей.
Проблема вращения и интерпретации
Как правило, результаты факторизации непосредственно не подлежат интерпретации.
Вращение используется для того, чтобы каждая переменная в результате вращения оказалась вблизи оси фактора, имела бы максимальную нагрузку по одному фактору и минимальные по всем остальным. Только в этом случае каждая переменная будет соотнесена только с одним фактором, что и требуется для интерпретации факторной структуры.
Решение, при котором каждая переменная имеет большую нагрузку только по одному фактору, а по остальным ее нагрузки близки к нулю, называется простой структурой.
Наиболее широко применяется вращение, где на каждом шаге простота структуры определяется по критерию варимакс Кайзера – варимакс–вращение.
Проблема оценки значений факторов
После интерпретации факторной структуры допустима оценка значений факторов для объектов. Это позволяет перейти от множества исходных переменных к существенно меньшему числу факторов как новых переменных. Проблема оценки значений факторов связана с тем, что невозможно точно выразить общий фактор через исходные переменные, так как каждая из этих переменных содержит помимо общности и характерную часть, которую невозможно отделить. Поэтому можно получить лишь оценку значений факторов по исходным переменным, надежность, которой обладает большей или меньшей определенностью – в зависимости от вида исходных данных и факторной структуры.
Чем больше исходные переменные соответствуют требованиям, которые предъявляются к метрическим переменным, тем надежнее факторные оценки.
ЦЕЛЬ ИССЛЕДОВАНИЯ И ЗАДАЧИ РАБОТЫ. МЕТОДИКА ИССЛЕДОВАНИЯ.
Цель: Выявить независимые факторы при оценке личностных качеств сказочных героев.
Задачи работы:
1. Оценить личностные качества сказочных героев по четырехбальной шкале;
2. Получить матрицу смешения.
3. Выявить количество факторов, воспользовавшись таблицей собственных значений факторов.
4. Получить матрицу факторных нагрузок до вращения и проинтерпретировать данные матрицы факторных нагрузок после вращения.
5. Выявить, какие факторы, присущи каким героям в наибольшей степени.
Методика исследования:
Испытуемым выступает студентка 4 курса факультета психологии. Сначала проводится опыт, а именно испытуемый оценивает личные качества предложенных ему сказочных героев по четырехбальной шкале. А затем полученные данные обрабатываются с помощью компьютерной программы SPSS. Испытуемому следует оценить сказочных героев по 42 качеству по пятибалльной шкале:
Полученную матрицу данных мы подвергаем в итоге факторному анализу и в результате выделяем независимые факторы, которые должны проинтерпретировать.
ОБРАБОТКА РЕЗУЛЬТАТОВ
1. Таблица полного объяснения дисперсии.
|
Табл. 1. Полная объясненная дисперсия |
|||||||||
|
Компонента |
Начальные собственные значения |
Суммы квадратов нагрузок извлечения |
Суммы квадратов нагрузок вращения |
||||||
|
Итого |
% Дисперсии |
Кумулятивный % |
Итого |
% Дисперсии |
Кумулятивный % |
Итого |
% Дисперсии |
Кумулятивный % |
|
|
1 |
17,333 |
41,269 |
41,269 |
17,333 |
41,269 |
41,269 |
15,219 |
36,235 |
36,235 |
|
2 |
7,811 |
18,599 |
59,868 |
7,811 |
18,599 |
59,868 |
6,671 |
15,884 |
52,119 |
|
3 |
4,207 |
10,016 |
69,884 |
4,207 |
10,016 |
69,884 |
4,657 |
11,089 |
63,207 |
|
4 |
2,821 |
6,716 |
76,600 |
2,821 |
6,716 |
76,600 |
2,760 |
6,573 |
69,780 |
|
5 |
2,298 |
5,472 |
82,072 |
2,298 |
5,472 |
82,072 |
2,675 |
6,369 |
76,149 |
|
6 |
2,073 |
4,935 |
87,008 |
2,073 |
4,935 |
87,008 |
2,627 |
6,255 |
82,404 |
|
7 |
1,770 |
4,214 |
91,221 |
1,770 |
4,214 |
91,221 |
2,197 |
5,230 |
87,634 |
|
8 |
1,133 |
2,698 |
93,919 |
1,133 |
2,698 |
93,919 |
1,862 |
4,433 |
92,068 |
|
9 |
1,042 |
2,481 |
96,400 |
1,042 |
2,481 |
96,400 |
1,820 |
4,333 |
96,400 |
|
10 |
,784 |
1,866 |
98,266 |
||||||
|
11 |
,403 |
,960 |
99,226 |
||||||
|
12 |
,325 |
,774 |
100,000 |
||||||
|
13 |
9,230E-16 |
2,198E-15 |
100,000 |
||||||
|
14 |
8,100E-16 |
1,929E-15 |
100,000 |
||||||
|
15 |
6,590E-16 |
1,569E-15 |
100,000 |
||||||
|
16 |
6,015E-16 |
1,432E-15 |
100,000 |
||||||
|
17 |
5,117E-16 |
1,218E-15 |
100,000 |
||||||
|
18 |
4,865E-16 |
1,158E-15 |
100,000 |
||||||
|
19 |
3,851E-16 |
9,170E-16 |
100,000 |
||||||
|
20 |
3,365E-16 |
8,013E-16 |
100,000 |
||||||
|
21 |
3,164E-16 |
7,532E-16 |
100,000 |
||||||
|
22 |
2,842E-16 |
6,768E-16 |
100,000 |
||||||
|
23 |
2,148E-16 |
5,114E-16 |
100,000 |
||||||
|
24 |
1,709E-16 |
4,070E-16 |
100,000 |
||||||
|
25 |
1,327E-16 |
3,161E-16 |
100,000 |
||||||
|
26 |
1,220E-16 |
2,904E-16 |
100,000 |
||||||
|
27 |
5,950E-17 |
1,417E-16 |
100,000 |
||||||
|
28 |
5,213E-18 |
1,241E-17 |
100,000 |
||||||
|
29 |
-1,079E-17 |
-2,569E-17 |
100,000 |
||||||
|
30 |
-4,356E-17 |
-1,037E-16 |
100,000 |
||||||
|
31 |
-1,064E-16 |
-2,533E-16 |
100,000 |
||||||
|
32 |
-1,386E-16 |
-3,300E-16 |
100,000 |
||||||
|
33 |
-1,944E-16 |
-4,628E-16 |
100,000 |
||||||
|
34 |
-2,593E-16 |
-6,174E-16 |
100,000 |
||||||
|
35 |
-3,121E-16 |
-7,432E-16 |
100,000 |
||||||
|
36 |
-3,166E-16 |
-7,539E-16 |
100,000 |
||||||
|
37 |
-4,072E-16 |
-9,694E-16 |
100,000 |
||||||
|
38 |
-4,426E-16 |
-1,054E-15 |
100,000 |
||||||
|
39 |
-5,952E-16 |
-1,417E-15 |
100,000 |
||||||
|
40 |
-6,733E-16 |
-1,603E-15 |
100,000 |
||||||
|
41 |
-7,408E-16 |
-1,764E-15 |
100,000 |
||||||
|
42 |
-8,672E-16 |
-2,065E-15 |
100,000 |
||||||
|
Метод выделения: Анализ главных компонент. |
2. Выберем примерное число главных факторов, которые будут вносить вклад в объяснение корреляционной матрицы.
|
Табл. 2. Матрица повернутых компонентa |
||||
|
Компонента |
||||
|
1 |
2 |
3 |
4 |
|
|
решительный |
-,314 |
,790 |
,262 |
,037 |
|
грустный |
,057 |
-,525 |
-,378 |
-,426 |
|
мудрый |
-,418 |
,528 |
,511 |
-,026 |
|
плохой |
,945 |
-,113 |
,097 |
,016 |
|
борец_за_справедливость |
-,830 |
,329 |
,342 |
,143 |
|
простдушый |
-,783 |
,259 |
,336 |
3,952E-5 |
|
строгий |
,686 |
-,109 |
,333 |
,407 |
|
кокетливый |
-,297 |
,193 |
,406 |
-,012 |
|
смелый |
,124 |
,926 |
-,056 |
-,160 |
|
зануда |
-,130 |
-,280 |
-,749 |
,262 |
|
ленивый |
,743 |
-,158 |
-,475 |
-,030 |
|
спокойный |
,545 |
-,120 |
-,357 |
,173 |
|
ябеда |
-,027 |
,194 |
,077 |
-,634 |
|
знающий |
-,738 |
,110 |
,076 |
,467 |
|
увлечённый |
,083 |
,256 |
,109 |
,815 |
|
унылый |
-,299 |
-,775 |
-,304 |
-,110 |
|
самоуверенный |
,873 |
,287 |
,028 |
,242 |
|
хороший |
-,945 |
,113 |
-,097 |
-,016 |
|
дотошный |
,290 |
,901 |
,089 |
,069 |
|
весёлый |
-,047 |
,816 |
-,162 |
,111 |
|
мечтатель |
-,606 |
-,066 |
,713 |
,115 |
|
холодный |
,867 |
,014 |
-,453 |
-,012 |
|
открытый |
-,437 |
,508 |
-,195 |
-,376 |
|
деловой_человек |
-,374 |
,504 |
,339 |
,192 |
|
оратор |
-,404 |
-,023 |
,633 |
,267 |
|
капризный |
,929 |
-,017 |
-,075 |
,186 |
|
неряха |
,650 |
-,139 |
-,113 |
,513 |
|
честный |
-,959 |
,107 |
,035 |
-,214 |
|
шалун |
,766 |
,328 |
,054 |
,118 |
|
артистичный |
-,086 |
-,291 |
,645 |
,611 |
|
правильный |
-,750 |
,458 |
,300 |
,041 |
|
оригинальный |
,192 |
,160 |
-,165 |
,740 |
|
хитрый |
,598 |
-,110 |
-,366 |
,350 |
|
болтун |
,299 |
,177 |
,014 |
,706 |
|
зазнайка |
,904 |
,095 |
,218 |
,028 |
|
уверенный |
,498 |
,338 |
,468 |
,524 |
|
с_характером |
,761 |
,331 |
-,178 |
,349 |
|
светлый |
-,939 |
-,025 |
,264 |
-,170 |
|
бесшабашый |
,896 |
,021 |
-,205 |
,167 |
|
энтузиаст |
-,399 |
,641 |
,222 |
,185 |
|
задира |
,876 |
,153 |
-,356 |
,166 |
|
яркий |
,102 |
,478 |
,601 |
-,204 |
|
Метод выделения: Анализ методом главных компонент. Метод вращения: Варимакс с нормализацией Кайзера. |
||||
|
a. Вращение сошлось за 8 итераций. |
|
Табл.3. Матрица повернутых компонентa |
||||
|
Компонента |
||||
|
1 |
2 |
3 |
4 |
|
|
решительный |
,790 |
|||
|
грустный |
-,525 |
-,426 |
||
|
мудрый |
,528 |
,511 |
||
|
плохой |
,945 |
|||
|
борец_за_справедливость |
-,830 |
|||
|
простдушый |
-,783 |
|||
|
строгий |
,686 |
,407 |
||
|
кокетливый |
,406 |
|||
|
смелый |
,926 |
|||
|
зануда |
-,749 |
|||
|
ленивый |
,743 |
-,475 |
||
|
спокойный |
,545 |
|||
|
ябеда |
-,634 |
|||
|
знающий |
-,738 |
,467 |
||
|
увлечённый |
,815 |
|||
|
унылый |
-,775 |
|||
|
самоуверенный |
,873 |
|||
|
хороший |
-,945 |
|||
|
дотошный |
,901 |
|||
|
весёлый |
,816 |
|||
|
мечтатель |
,713 |
|||
|
холодный |
,867 |
|||
|
открытый |
,508 |
|||
|
деловой_человек |
,504 |
|||
|
оратор |
,633 |
|||
|
капризный |
,929 |
|||
|
неряха |
,650 |
|||
|
честный |
-,959 |
|||
|
шалун |
,766 |
|||
|
артистичный |
,645 |
|||
|
правильный |
-,750 |
|||
|
оригинальный |
,740 |
|||
|
хитрый |
,598 |
|||
|
болтун |
,706 |
|||
|
зазнайка |
,904 |
|||
|
уверенный |
,524 |
|||
|
с_характером |
,761 |
|||
|
светлый |
-,939 |
|||
|
бесшабашый |
,896 |
|||
|
энтузиаст |
,641 |
|||
|
задира |
,876 |
|||
|
яркий |
,601 |
|||
|
Метод выделения: Анализ методом главных компонент. Метод вращения: Варимакс с нормализацией Кайзера. |
||||
|
a. Вращение сошлось за 8 итераций. |
3. По каждой строке определим наибольшее по абсолютной величине значение переменной.
Первый фактор: «социально желаемый – социально не желаемый»
|
плохой |
,945 |
-,959 |
честный |
|
капризный |
,929 |
-,945 |
хороший |
|
зазнайка |
,904 |
-,939 |
светлый |
|
бесшабашный |
,896 |
-,830 |
борец_за_справедливость |
|
задира |
,876 |
-,783 |
простдушый |
|
самоуверенный |
,873 |
-,750 |
правильный |
|
холодный |
,867 |
-,738 |
знающий |
|
шалун |
,766 |
||
|
с_характером |
,761 |
||
|
ленивый |
,743 |
Положительный полюс первого фактора определят такое качество как «социально желаемый»; отрицательный – «социально не желаемый».
У Синьора Помидора наиболее выражен 1 фактор на положительном полюсе (2,01) – его поведение можно назвать социально желаемым.
У Ослика Иа наиболее выражен 1 фактор на отрицательном полюсе (-1,02) – его поведение можно назвать социально не желаемым.
Второй фактор: «эмоциональность – не эмоциональность»
|
смелый |
,926 |
-,775 |
унылый |
|
дотошный |
,901 |
-,525 |
грустный |
|
весёлый |
,816 |
||
|
решительный |
,790 |
||
|
энтузиаст |
,641 |
Положительный полюс первого фактора определят такое качество как «эмоциональность»; отрицательный – «не эмоциональность».
У Ослика Иа наиболее выражен 2 фактор на положительном полюсе (2,81) – его поведение является эмоциональным.
У Синьора Помидора наиболее выражен 2 фактор на отрицательном полюсе (-1,41) – его поведение является не эмоциональным.
Третий фактор: «креативность – безынициативность»
|
мечтатель |
,713 |
-,749 |
зануда |
|
артистичный |
,645 |
-,475 |
ленивый |
|
оратор |
,633 |
||
|
яркий |
,601 |
Положительный полюс первого фактора определят такое качество как «креативность»; отрицательный – «безынициативность».
У Синьора Помидора наиболее выражен 3 фактор на положительном полюсе (1,86) – его поведение можно охарактеризовать креативностью.
У Иванушки-Дурачка наиболее выражен 3 фактор на отрицательном полюсе (-1,56) – его поведение можно назвать безынициативным.
Четвертый фактор: «позитивный – негативный»
|
увлечённый |
,815 |
-,634 |
ябеда |
|
оригинальный |
,740 |
-,426 |
грустный |
|
болтун |
,706 |
||
|
уверенный |
,524 |
Положительный полюс первого фактора определят такое качество как «позитивный»; отрицательный – «негативный».
У Пинокио наиболее выражен 4 фактор на положительном полюсе (1,6) – его поведение можно назвать позитивным.
У Наф-Наф наиболее выражен 4 фактор на отрицательном полюсе (-2,60)– его поведение можно назвать негативным.
3. Факторная оценка объектов (персонажей):
|
Герой |
Ф1 |
Ф2 |
Ф3 |
Ф4 |
|
Винни-Пух |
-0,30 |
-1,16 |
-0,83 |
-0,37 |
|
Карлсон |
-0,95 |
1,43 |
0,57 |
0,63 |
|
Волк |
-0,38 |
0,99 |
0,92 |
0,64 |
|
Мюнхаузен |
0,46 |
1,28 |
0,00 |
-1,01 |
|
Кот в сапогах |
1,57 |
0,35 |
1,76 |
-0,28 |
|
Иванушка-дурачок |
1,47 |
0,41 |
-1,56 |
0,67 |
|
Снежная Королева |
0,80 |
-0,46 |
-1,44 |
0,43 |
|
Айболит |
0,09 |
0,03 |
-0,74 |
-0,22 |
|
Ослик ИА |
-1,02 |
2,81 |
0,62 |
0,27 |
|
Синьор Помидор |
2,01 |
-1,41 |
1,86 |
0,94 |
|
Мальвина |
-0,70 |
-0,90 |
0,37 |
-0,36 |
|
Пьерро |
-0,81 |
-0,96 |
0,17 |
1,11 |
|
Чебурашка |
-0,58 |
-0,80 |
1,24 |
1,08 |
|
Кот Леопольд |
-0,87 |
-0,98 |
-0,66 |
-1,59 |
|
Золушка |
-0,35 |
-0,68 |
-0,29 |
-0,82 |
|
Наф-наф |
-0,90 |
-0,51 |
0,59 |
-2,60 |
|
Пятачок |
-0,67 |
-0,25 |
0,14 |
-0,54 |
|
Дядя Фёдор |
-0,37 |
-0,34 |
0,59 |
0,17 |
|
Курочка Ряба |
-0,28 |
-0,40 |
0,83 |
-0,05 |
|
Белоснежка |
-0,42 |
-0,24 |
-0,91 |
-0,31 |
|
Пинокио |
-0,5 |
0,06 |
-0,2 |
1,6 |
|
Русалочка |
-0,6 |
-0,3 |
-0,1 |
1,27 |
|
Матроскин |
1,9 |
-0,3 |
-1,3 |
0,31 |
|
Золотая Рыбка |
-0,6 |
0,97 |
-2 |
0,67 |
|
Баба Яга |
1,94 |
1,42 |
0,28 |
-1,6 |
Первый фактор: «социально желаемый – социально не желаемый»:
Синьор Помидор(2,01) – Ослик ИА(-1,02)
Второй фактор: «эмоциональность – не эмоциональность»:
Ослик Иа(2,81) – Синьор Помидор(-1,41)
Третий фактор: «креативность – безынициативность»:
Синьор Помидор(1,86) – Иванушка-Дурачок(-1,56)
Четвертый фактор: «позитивный – негативный»:
Пинокио(1,6) – Наф-Наф(-2,60)
ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ
Факторный анализ позволил нам увидеть, какие качества присущи тем или иным героям в большей степени.
Данные таблицы № 1 позволили нам сделать вывод, что примерное число факторов составляет 4. Потому что у факторов показатель больше единицы (что означает, что они вносят вклад в объяснение корреляционной матрицы и их можно выделить как главные) и в столбце «Коммулятивный %» на уровне 4 стоит значение 76,600, что также свидетельствует о том, что именно 4 фактора наиболее удачное решение.
В результате обработки данных мы выделили четыре независимых фактора из матрицы повернутых компонентa, по каждой строке определив наибольшее по абсолютной величине значение переменной:
Первый фактор: «социально желаемый – социально не желаемый»
Второй фактор: «эмоциональность – не эмоциональность»
Третий фактор: «креативность – безынициативность»
Четвертый фактор: «позитивный – негативный»
Из полученных данных, при произведении факторной оценки объектов (персонажей), видно, что:
У Синьора Помидора наиболее выражен 1 фактор на положительном полюсе (2,01) – его поведение можно назвать социально желаемым.
У Ослика Иа наиболее выражен 1 фактор на отрицательном полюсе (-1,02) – его поведение можно назвать социально не желаемым.
У Ослика Иа наиболее выражен 2 фактор на положительном полюсе (2,81) – его поведение является эмоциональным.
У Синьора Помидора наиболее выражен 2 фактор на отрицательном полюсе (-1,41) – его поведение является не эмоциональным.
У Синьора Помидора наиболее выражен 3 фактор на положительном полюсе (1,86) – его поведение можно охарактеризовать креативностью.
У Иванушки-Дурачка наиболее выражен 3 фактор на отрицательном полюсе (-1,56) – его поведение можно назвать безынициативным.
У Пинокио наиболее выражен 4 фактор на положительном полюсе (1,6) – его поведение можно назвать позитивным.
У Наф-Наф наиболее выражен 4 фактор на отрицательном полюсе (-2,60)– его поведение можно назвать негативным.
Таким образом, факторный анализ позволяет увидеть, какие качества каким героям присущи в большей степени. Нужно отметить, что одним из затрудняющих факторов работы является проблема названия факторов, поскольку достаточно трудно подобрать термин, который будет в полной мере заключать в себя и отражать все параметры, относящиеся к фактору.
ВЫВОД
1. Испытуемый оценил личностные качества сказочных героев по предложенной четырехбальной шкале;
2. В итоге мы получили матрицу смешения.
3. Мы выявили количество факторов, воспользовавшись таблицей собственных значений факторов.
4. Была получена матрица факторных нагрузок до вращения и проинтерпретированы данные матрицы факторных нагрузок после вращения.
5. Были выявлены, какие факторы, присущи каким героям в наибольшей степени.
ЛИТЕРАТУРА