Section author: Danielle J. Navarro and David R. Foxcroft

Summary

காரணி பகுப்பாய்வு மற்றும் தொடர்புடைய நுட்பங்கள் குறித்த இந்த அத்தியாயத்தில், தரவுத் தொகுப்பில் உறவுகளின் வடிவத்தை மதிப்பிடும் புள்ளிவிவர பகுப்பாய்வுகளை நாங்கள் அறிமுகப்படுத்தி நிரூபித்துள்ளோம். குறிப்பாக, நாங்கள் உள்ளடக்கியுள்ளோம்:

• : DOC: CH15_FACTORANALISIS_1 (EFA). தரவுத் தொகுப்பில் அடிப்படை மறைந்திருக்கும் காரணிகளை அடையாளம் காண்பதற்கான புள்ளிவிவர நுட்பம் EFA ஆகும். கவனிக்கப்பட்ட ஒவ்வொரு மாறியும் ஒரு காரணி ஏற்றுவதன் மூலம் சுட்டிக்காட்டப்படும் மறைந்த காரணியைக் குறிக்கும் வகையில் கருதப்படுகிறது. ஆராய்ச்சியாளர்கள் தரவுக் குறைப்புக்கான ஒரு வழியாக EFA ஐப் பயன்படுத்துகின்றனர், அதாவது அடுத்தடுத்த பகுப்பாய்விற்கான புதிய காரணி மாறிகள் என இணைக்கப்படுவதை விட கவனிக்கப்பட்ட மாறிகளை அடையாளம் காண்பது.

• . அதற்கு பதிலாக, பி.சி.ஏ வெறுமனே கவனிக்கப்பட்ட மாறிகளின் நேரியல் கலவையை உருவாக்குகிறது.

• : DOC: CH15_FACTORANALISIS_3 (CFA). EFA ஐப் போலன்றி, CFA உடன் நீங்கள் ஒரு யோசனையுடன் தொடங்குகிறீர்கள் - ஒரு மாதிரி - உங்கள் தரவுகளில் உள்ள மாறிகள் ஒருவருக்கொருவர் எவ்வாறு தொடர்புடையவை. கவனிக்கப்பட்ட தரவுக்கு எதிராக உங்கள் மாதிரியை நீங்கள் சோதித்து, தரவுக்கு மாதிரி எவ்வளவு பொருத்தமானது என்பதை மதிப்பிடுங்கள்.

• : டாக்: CH15_FACTORANALISIS_4. நம்பகத்தன்மை பகுப்பாய்வின் இந்த வடிவம் ஒரு அளவீட்டு (உளவியல்) கட்டமைப்பை எவ்வாறு தொடர்ந்து அளவிடுகிறது என்பதை சோதிக்கிறது.