Certains articles scientifiques rapportent les résultats d'une analyse parallèle de l'analyse factorielle de l'axe principal d'une manière incompatible avec ma compréhension de la méthodologie. Qu'est-ce que je rate? Ai-je tort ou est-ce qu'ils sont.
Exemple:
- Données: La performance de 200 humains individuels a été observée sur 10 tâches. Pour chaque individu et chaque tâche, on a un score de performance. La question est maintenant de déterminer combien de facteurs sont à l'origine des performances des 10 tâches.
- Méthode: analyse parallèle pour déterminer le nombre de facteurs à retenir dans une analyse factorielle de l'axe principal.
- Exemple de résultat rapporté: «une analyse parallèle suggère que seuls les facteurs ayant une valeur propre de 2,21 ou plus devraient être conservés»
C'est absurde, non?
D'après l'article original de Horn (1965) et des tutoriels comme Hayton et al. (2004) Je comprends que l'analyse parallèle est une adaptation du critère de Kaiser (valeur propre> 1) basée sur des données aléatoires. Cependant, l'adaptation ne consiste pas à remplacer le seuil 1 par un autre nombre fixe mais une valeur seuil individuelle pour chaque facteur (et en fonction de la taille de l'ensemble de données, soit 200 fois 10 scores). En examinant les exemples de Horn (1965) et Hayton et al. (2004) et la sortie des fonctions R fa parallèle dans le paquet psych et parallèle dans les nFacteurspackage, je vois que l'analyse parallèle produit une courbe de pente descendante dans le tracé de Scree pour comparer aux valeurs propres des données réelles. Plus comme «Conserver le premier facteur si sa valeur propre est> 2,21; conserver en outre la seconde si sa valeur propre est> 1,65; … ».
Existe-t-il un cadre raisonnable, une école de pensée ou une méthodologie qui rendrait «une analyse parallèle suggère que seuls les facteurs ayant une valeur propre de 2,21 ou plus devraient être conservés»?
Références:
Hayton, JC, Allen, DG, Scarpello, V. (2004). Décisions de rétention des facteurs dans l'analyse factorielle exploratoire: un tutoriel sur l'analyse parallèle. Méthodes de recherche organisationnelle, 7 (2): 191-205.
Horn, JL (1965). Une justification et un test pour le nombre de facteurs dans l'analyse factorielle. Psychometrika, 30 (2): 179-185.
paran
pour R (sur CRAN) et pour Stata (dans Stata type findit paran).