Différence entre l'analyse factorielle exploratoire et confirmatoire pour déterminer l'indépendance du construit

12

Les chercheurs utilisent souvent deux mesures qui ont des éléments très similaires et affirment qu'ils mesurent des choses différentes (par exemple, "je m'inquiète toujours quand je suis près des voitures"; "j'ai peur des voitures"). Appelons les mesures hypothétiques la mesure de la peur des voitures et de l'anxiété à l'échelle des automobiles. Je suis intéressé à tester empiriquement s'ils évaluent effectivement différentes constructions latentes, ou s'ils mesurent la même chose.

Les deux meilleures façons dont je peux penser pour ce faire seraient par le biais d'analyses exploratoires en usine (ALE) ou d'une analyse factorielle confirmatoire (AFC). Je pense que l'EFA serait bien car il permet à tous les éléments de se charger librement sans contraintes. Si les éléments des deux échelles se chargent des mêmes facteurs, je peux conclure que les mesures n'évaluent probablement pas très bien les différentes choses. Je peux également voir les avantages de CFA, car je vais tester des modèles prédéfinis. Par exemple, je pourrais comparer l'ajustement d'un modèle dans lequel tous les éléments se chargent sur un seul facteur (c'est-à-dire qu'ils n'évaluent pas des constructions différentes) ou les éléments sont séparés dans les mesures attendues. Un problème avec le CFA, je suppose, est qu'il ne considérerait pas vraiment les modèles alternatifs (par exemple, un modèle à trois facteurs).

Pour les besoins de la discussion, considérons peut-être également qu'il existe deux autres mesures très similaires (par exemple, le questionnaire d'anxiété automobile et les échelles pour l'évaluation des peurs de la voiture) que je souhaite mettre dans le mélange!

Comment puis-je statistiquement déterminer au mieux si deux mesures évaluent des constructions différentes?

Behacad
la source
2
Une alternative à {E | C} FA est l' approche multi-trait multi-méthode . Ceci est fondamentalement fondé sur une approche corrélationnelle - avec ses avantages et ses inconvénients (par rapport au trait latent) - et il a été discuté entre autres sur les fils suivants: stats.stackexchange.com/a/9944/930 ; stats.stackexchange.com/q/24418/930 .
chl
Oui, ce serait une approche assez intéressante! Malheureusement, nous n'utilisons généralement qu'une seule méthode dans ce domaine (par exemple, des questionnaires d'auto-évaluation individuels).
Behacad
2
La technique MTMM peut être utilisée avec des mesures autodéclarées collectées sur deux instruments différents évaluant des constructions étroitement liées ou similaires. D'autres approches incluent des méthodes d'analyse factorielle plus élaborées et une modélisation d'équations structurelles.
chl
1
Il existe de nombreux articles disponibles, y compris cette revue Modélisation des équations structurelles des données multitrait-multiméthodes: différents modèles pour différents types de méthodes , ou cet article Analyse des données multitrait-multiméthodes avec des modèles d'équations structurelles pour les variables ordinales en appliquant l'estimateur WLSMV qui montre l'idée générale . Je peux cependant essayer de trouver une meilleure référence pour le contexte de votre étude. Pourriez-vous nous dire: si les éléments sont ordinaux (par exemple de type Likert) ou binaires, la taille de l'échantillon et le nombre de facettes que vous souhaitez évaluer?
chl
1
Merci pour votre réponse! Les questionnaires sont de type Likert (5 options en général, mais peut-être certaines en ont 4). Il y a probablement 4 ou 5 questionnaires qui peuvent ou non évaluer la même chose, et je suis curieux de le tester empiriquement. J'ai maintenant un échantillon de peut-être 300. En ce qui concerne le nombre de facettes, je ne sais pas exactement ce que vous voulez dire (facteurs?), Mais chaque mesure pourrait théoriquement évaluer différentes choses (donc 4-5 facteurs différents), ou ils évaluent la même chose (1 facteur), ou quoi que ce soit dans entre! Le MTMM serait-il un bon moyen de déterminer s'ils évaluent différentes constructions latentes?
Behacad

Réponses:

2

Ces méthodes sont des exemples d'application de l'analyse exploratoire et confirmatoire des données. L'analyse des données exploratoires recherche des modèles tandis que l'analyse des données de confirmation effectue des tests d'hypothèses statistiques sur les modèles proposés. Cela ne devrait vraiment pas être considéré en termes de méthode à utiliser, il s'agit plutôt de l'étape à laquelle vous vous trouvez dans l'analyse des données. Si vous n'êtes pas sûr des facteurs à inclure dans votre modèle, vous appliquez l'EPT. Une fois que vous avez éliminé certains facteurs et décidé de ce que vous souhaitez inclure dans votre modèle, vous effectuez CFA pour tester formellement le modèle afin de voir si les facteurs choisis sont significatifs.

Michael R. Chernick
la source
5
Merci pour la réponse, même si j'estime que vous n'avez pas tout à fait répondu à la question. J'apprécie les différences entre l'EPT et le CFA et la façon dont ils répondent aux différentes questions, je me demande simplement laquelle peut être la plus appropriée dans ce contexte. Étant donné votre réponse, je suis porté à croire que vous proposez l'EPT.
Behacad
Avez-vous une mesure de notation pour chacun et donnez-vous les deux sondages aux mêmes personnes? Je pense que vous pourriez jumeler les scores et regarder s'il y a une forte corrélation.
Michael R. Chernick
Tous les participants rempliront tous les questionnaires. Je ne sais pas ce que vous entendez par «mesure de notation». Je vais simplement résumer les scores de toutes les questions du questionnaire.
Behacad
1

Si je comprends bien votre question, c'est une question de test . Puis simplement tester nécessite une sorte d'analyse factorielle confirmatoire, identique à la question: "les moyens dans les sous-groupes diffèrent-ils vraiment?" nécessite un test t.

Malheureusement (?) Avec la sélection de l'approche générale de la méthode appropriée d'analyse factorielle, différents modèles mathématiques (et statistiques) sont souvent impliqués, par exemple, si vous sélectionnez "CFA" dans SPSS, il est implicite que vous supposez des erreurs non corrélées et que les erreurs non corrélées sont estimées et l'estimation est exclue du modèle - donc, à mon avis, en raison des implications supplémentaires, la sélection initiale de l'approche analytique factorielle correcte est souvent compromise par ces implications mathématiques / statistiques.

En bref: votre question est du genre "tester le nul", donc vous avez besoin de CFA ou mieux: les méthodes développées dans le cadre du SEM (modélisation d'équations structurelles). Remarque, il existe une liste de diffusion conviviale et utile remplie d'experts en SEM appelée "SEMNET" et comme je ne suis pas un vrai expert, vous pouvez affiner vos commentaires en y demandant ...

Heaumes Gottfried
la source
Merci pour votre réponse. Je connais CFA, EFA et SEM, mais je ne sais pas comment explorer spécifiquement si deux questionnaires mesurent essentiellement la même chose. Comment proposeriez-vous que je fasse cela en SEM?
Behacad
@Behacad: J'irais demander dans SEMNET :-) Eh bien, en fait, je n'ai aucune expérience avec les coefficients pour tester les structures latentes. Une bonne introduction est peut-être donnée par un livre de James Steiger, auquel SEMNETters fait souvent référence. (Désolé, je ne peux pas être plus utile ici)
Gottfried Helms