BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Sztemberg-Lewandowska Mirosława (Akademia Ekonomiczna we Wrocławiu)
Tytuł
Analiza czynnikowa zmiennych porządkowych
Factor Analysis For Ordered Categorical Variables
Źródło
Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia (14), 2007, nr 1169, s. 489-498, tab., bibliogr. 8 poz.
Tytuł własny numeru
Klasyfikacja i analiza danych - teoria i zastosowania
Słowa kluczowe
Analiza czynnikowa, Dobór zmiennych
Factor analysis, Variables selection
Uwagi
summ.
Abstrakt
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)

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)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Bibliografia
Pokaż
  1. 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.
  2. Bartholomew D.J., Steele F., Moustaki I., Galbraith J.I. (2002), The Analysis and Interpretation of Multivariate Data for Social Scientists, Chapman & Hall/CRC.
  3. 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.
  4. Kubinger K.D. (2003), On Artificial Results Due to Using Factor Analysis for Dichotomous Variables, "Psychology Science" vol. 45, s. 106-110.
  5. 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.
  6. 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.
  7. 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.
  8. Olivares A.M., (2003), Testing Categorized Bivariate Normality with Two-Stage Polychoric Correlation Estimates, http://www.ub.es/gdne/documents/bivariate%20normality%20wp.pdf.
Cytowane przez
Pokaż
ISSN
0324-8445
1505-9332
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu