Pri analýze sme použili dáta z predmetovej ankety na konci semestra, ktorú vypĺňali študenti
psychológie Fakulty sociálních studií. Celkovo bolo zozbieraných 415 dotazníkov a každý predmet
hodnotilo priemerne 24,15% študentov, ktorí sa doň zapísali.

Faktorovú analýzu sme urobili na šiestich položkách- predmet ma obohacuje, predmet je užitočný,
predmet vyžaduje vysoké pracovné nasadenie, predmet vyžaduje pravidelnú prípravu, predmet by mal
ostať v ponuke i v budúcnosti, predmet zvýši pravdepodobnosť ďalšieho uplatnenia. Po spočítaní
antiimage matice však mali dve premenné- konkrétne „predmet vyžaduje vysoké nasadenie“ a „predmet
vyžaduje pravidelnú prípravu“ na diagonále hodnoty nižšie ako 0,5; na základe čoho sme sa ich
rozhodnli vyradiť. [SJ1]

Vzhľadom na povahu testovaných premenných sme predpokladali existenciu jediného faktoru, ktorý by
vysvetľoval väčšinu zdieľaného rozptylu[SJ2] .

Kaiser-Meyer-Olkin measure vyšla po vyradení dvoch premenných  0,8; čo je veľmi vysoká hodnota a
teda je faktorová analýza pre našu vzorku vhodná. Navyše aj Bartlettov test vyšiel signifikantný
(p<0,001), čo tiež povrdzuje zmysluplnosť faktorovej analýzy[SJ3] .


Tabuľka 1 Korelačná matica


                     Predmet ma obohacuje

                                         Predmet je užitočný

                                                            Mal by ostať v ponuke

                                                                                 Zvýši uplatnenie

Predmet ma obohacuje

                     1

                                         0,97

                                                            0,85

                                                                                 0,8

Predmet je užitočný

                     0,97

                                         1

                                                            0,89

                                                                                 0,81

Mal by ostať v ponuke

                     0,85

                                         0,89

                                                            1

                                                                                 0,76

Zvýši uplatnenie

                     0,8

                                         0,81

                                                            0,76

                                                                                 1





Tabuľka 2 Vysvetlený rozptyl


                                              Faktory

                                            Eigenvalues

                                Extraction Sums of Squared Loadings

                                              Celkom

% vysvetleného rozptylu

Celkom

% vysvetleného rozptylu

                                                 1

3,54

88,46

3,38

84,58

                                                 2

0,26

6,58



                                                 3

0,17

4,24



                                                 4

0,03

0,73

[SJ4]




SPSS nám vyextrahovala jeden faktor[SJ5] , ktorý vysvetľuje 84,58% rozptylu. Potvrdzuje nám to aj
scree plot, kde nad zlomom je iba jeden faktor. Tento faktor sme nazvali „užitočnosť predmetu“.


Graf 1


Tabuľka 3 Faktorová matica


                     Faktor

                                                                      1

Predmet je užitočný

                     0,99

Predmet ma obohacuje

                     0,97

Mal by ostať v ponuke

                     0,89

Zvýši uplatnenie

                     0,81


Chí-kvadrát test dobrej zhody nám vyšiel nesignifikantný (χ^2 =0,95; df=2; p=0,62), čo znamená, že
nie sú korelácie, ktoré by model nevysvetľoval [SJ6] a je s ním teda adekvátne pracovať.

Cronbachovo α nám vyšlo pre „predmet ma obohacuje“ 0,93; „predmet je užitočný“ α=0,92; „mal by
ostať v ponuke“ Cronbachovo α=0,95 a „zvýši moje budúce uplatnenie“ α=0,96. [SJ7] Celková
reliabilita [SJ8] je dobrá, nakoľko nám vyšlo Cronbachovo α=0,96; čiže viac ako 0,8.
________________________________

 [SJ1]To bych určitě nedělal. Položky z FA bych vyřadil pouze, pokud by výrazně nekorelovaly
(komunalita <0.1), popř. kdybych měl nízký poměr počtu položek ku velikosti vzorku.

 [SJ2]I u FA chceme popisné statistiky.

 [SJ3]To není úplně správá interpretace. Podívejte se, co  tne test testuje.

 [SJ4]APA!   (třeba podle Fielda)

 [SJ5](1) Počet faktorů je vaše rozhodnutí. (2) Toto rozhodnutí by mělo být zdůvodněné.

 [SJ6]Příliš velká zkratka.

 [SJ7]Podívejte se prosím ještě jednou, co tato čísla znamenají.

 [SJ8]Raději přesnější terním „vnitřní konzistence“