जवाबों:
आपके यहाँ कई प्रश्न हैं। आइए पीसीए और फैक्टर विश्लेषण (एफए) के बीच अंतर के साथ शुरू करें। पीसीए आपको मूल चर का एक नए सेट में रूपांतरण देता है जो पारस्परिक रूप से रूढ़िवादी हैं। पहला नया घटक विचरण को अधिकतम करता है। पीसीए इस सवाल का जवाब देता है, "मेरे चर के रैखिक संयोजन में सबसे बड़ा विचरण क्या है? (भार के सामान्यीकरण के अधीन)।"
एफए एक मॉडल से शुरू होता है कि चर कैसे संबंधित हैं और डेटा में भिन्नता कहां से आती है। इस मॉडल का तात्पर्य है कि सहसंयोजक मैट्रिक्स का एक निश्चित प्रारूप होगा। यहाँ मुख्य विचार अव्यक्त चर (या कारक) है। इन कारकों को नमूने में देखी गई दिलचस्प भिन्नता और विश्लेषण के प्रयासों के लिए जिम्मेदार माना जाता है। विभिन्न तरीकों का उपयोग करके कारक विश्लेषण किया जा सकता है - और इनमें से एक में समाधान के लिए एक पीसीए एन मार्ग करना शामिल है। लेकिन इतना ही। एफए पाने के लिए आपको वास्तव में पीसीए करने की आवश्यकता नहीं है।
अधिकांश भ्रम की स्थिति में, SPSS खोजपूर्ण कारक विश्लेषण के रूप में एक ही विश्लेषण मेनू से अपनी पीसीए दिनचर्या प्रदान करता है, इस प्रकार शुरुआती विचार को प्रोत्साहित करता है कि ये विधियाँ समान हैं। उनके पीछे दर्शन बिल्कुल अलग है।
वरीमैक्स और ओब्लीमिन। कारक विश्लेषण वास्तव में इस सवाल का जवाब देता है, "अगर मेरा डेटा, इसके पी वेरिएबल्स के साथ, वास्तव में aq डायमेंशनल स्पेस (q <p) से आता है और शोर के अलावा, वह q डायमेंशनल स्पेस क्या है?" व्यवहार में, एल्गोरिदम आपको न केवल q आयामी स्थान देते हैं, वे आपको उस स्थान के लिए एक आधार भी देते हैं (ये कारक हैं)। लेकिन वह आधार क्यू आयामी उप-स्थान को समझने का सबसे अच्छा तरीका नहीं हो सकता है। फैक्टर रोटेशन के तरीके उप-स्थान को संरक्षित करते हैं और आपको इसके लिए एक अलग आधार देते हैं। वैरिमैक्स कारक हैं जो ऑर्थोगोनल हैं; ओब्लिमिनिन कारकों को ऑर्थोगोनल नहीं होने देता है।
आदर्श रूप से, हम उन कारकों को पसंद करेंगे जो मूल चर पर "सभी या कुछ भी नहीं" लोड करते हैं ... जैसा कि "प्रश्न 1 - 5 सर्वेक्षण के सभी अधिकार से संबंधित दृष्टिकोण से संबंधित है; प्रश्न 6-10 सभी न्याय की भावना से संबंधित हैं"। आप चाहते हैं कि कारक गुणांक बड़ा हो या 0. इसके लिए रोटेशन के तरीकों का लक्ष्य है। विचार आपको ऐसे कारक देने के लिए है जिनकी व्याख्या करना आसान है। ओब्लिमिन एक "बेहतर" काम करता है, यह देखते हुए कि परिणाम को ओर्थोगोनल होने के लिए मजबूर नहीं करना पड़ता है। दूसरी ओर, कारकों के पीछे विचार यह था कि वे नमूने में भिन्नता के लिए खाते हैं ... यदि कारक सहसंबद्ध हैं, तो कारकों के बीच संबंध के लिए क्या खाते हैं?
मेरे लिए, मुझे लगता है कि एक खोजपूर्ण FA के दौरान Varimax के साथ मिलना शायद सबसे अच्छा है। फिर पुष्टि कारक विश्लेषण में कारकों के बीच संभावित संबंधों का पता लगाएं, जो कि मॉडलिंग के उस प्रकार के लिए बेहतर है।
ध्यान दें कि SPSS इस तरह की पुष्टि एफए या संरचनात्मक समीकरण मॉडलिंग नहीं करता है। इसके लिए आपको अमोस एड-ऑन खरीदना होगा। वैकल्पिक रूप से, आप आर में अर्ध () या लावाण () फ़ंक्शन का उपयोग कर सकते हैं।