Faktorová analýza Pracovali jsme s daty od dotazníku: Hodnocení předmětů na Fakultě sociálních studií. Do faktorové analýzy jsme zařadily 6 proměnných hodnotících výstup předmětu: obohacuje, užitečný, nasazení, příprava a budoucnost uplatnění. Proměnná „Časová náročnost v hodinách“ splňovala podmínky pro zařazení do analýzy, ale rozhodly jsme se ji nezařadit, protože se ptá na pracovní nasazení, které je zahrnuto v otázce „Předmět vyžaduje mé vysoké pracovní nasazení“. Také nebyla zahrnuta „Známka předmětu“, protože z hlediska jejího charakteru jde o obecné posouzení předmětu na rozdíl od ostatních, které se zabývají konkrétní oblastí předmětu. Dále „Znalosti“ a „Sylabus“ jsme nezařadily, jelikož jde o nominální hodnoty a tudíž nesplňují předpoklady faktorové analýzy. Všechny předpoklady faktorové analýzy jsou splněny, a to měření minimálně na ordinální úrovni, rozložení proměnných není extrémně zešikmené, proměnné pochází ze stejné domény, počet položek je dostatečný minimálně pro předpoklad jednoho faktoru a počet měření je adekvátní – při k = 2 a zahrnutí 6 proměnných stačí N>40[SJ1] . Metodu jsme zvolili Principal Component Analysis[SJ2] . Tabulka 1. Korelační matice. Obohacuje Užitečný Nasazení Příprava Budoucnost Uplatnění Obohacuje 1,000 Užitečný 0,966 1,000 Nasazení 0,210 0,160 1,000 Příprava 0,010 -0,029 0,876 1,000 Budoucnost 0,845 0,886 0,055 -0,207 1,000 Uplatnění 0,801 0,812 0,053 -0,206 0,758 1,000 Korelační matice obsahuje nenulové korelace, tudíž můžeme uvažovat, že položky sdílí nějakou část rozptylu. Faktorový model určil 2 faktory[SJ3] , což okazuje tabulka 2 (Vlastní hodnota – Kaiserovo pravidlo) a graf 1. Čára na scree plotu se sice zalamuje na třetím bodě, ale vlastní hodnota 3. faktoru je zhruba sedmkrát menší než hodnota 2. faktoru[SJ4] . Faktor 1 vysvětluje téměř 60% sdíleného rozptylu a faktor 2 vysvětluje téměř 32% sdíleného rozptylu, tedy faktorový model vysvětluje většinu sdíleného rozptylu a residuální rozptyl je tím pádem nízký, komunality položek se pohybují v rozmezí 0,810 – 0,937. Tabulka 2. Celkově[SJ5] vysvětlený rozptyl Initial eigenvalues Faktor Celkem % rozptylu 1 3,568 59,474 2 1,908 31,802 3 0,261 4,354 4 0,172 2,871 5 0,065 1,091 6 0,024 0,408 Graf 1. Scree plot. Tabulka 3 ukazuje, že faktor 1 zahrnuje položky: užitečný, obohacuje, budoucnost a uplatnění, tyto položky se týkají přínosu předmětu pro studenta, tudíž faktor 1 nazveme „Přínos předmětu“. Faktor 2 zahrnuje položky nasazení a přípravu, faktor 2 se týká určité náročnosti předmětu, označíme ho tedy za „Náročnost předmětu“. Jak dále ukazuje tabulka 3, nepotýkáme se s problémem týkajícím se dobré struktury (každá položka skóruje právě v jednom faktoru a každý faktor obsahuje 2 či více faktorových nábojů), tudíž nemusíme provádět rotaci. Tabulka 3. Faktorová matice[SJ6] . Faktor 1 2 Užitečný 0,975 Obohacuje 0,962 Budoucnost 0,928 Uplatnění 0,894 Příprava 0,974 Nasazení 0,961 Tabulka ukazuje hodnoty nad kritickou hranicí 0,3. Souhrn Faktorová analýza při zvolených 6 proměnných u hodnocení předmětu ukázala 2 faktory, a to přínos a náročnost předmětu, přičemž vysvětlují 91,3% sdílného rozptylu. Můžeme tedy říci, že přínos a náročnost předmětu tvoří největší část hodnocení předmětu[SJ7] . ________________________________ [SJ1]A bylo N>40? [SJ2]Pak v celé zprávě pište PCA, komponenty, popř. složky. [SJ3]To ne, počet faktorů určujete vy a musíte to podložit argumenty. [SJ4]… a činíte to dobrými argumenty [SJ5]Tohle obvykle do tabulky neuvádíme. Ale hodí se to… když nemáme místo na screeplot. [SJ6]Dobré uvést, že bez rotace. [SJ7]Dobré shrnutí.