Tolka resultaten
Precis som tidigare är du intresserad av itemens faktorladdningar och individernas faktorpoäng. Dessa tolkas på samma sätt, men eftersom din EFA är multidimensionell får du resultat för varje faktor.
Kom ihåg att ett items laddningar representerar hur mycket information det bidrar med för varje faktor. Meningsfulla laddningar visas i utdata. Du kommer att märka att många items laddar på mer än en faktor, vilket innebär att de ger information om flera faktorer. Det kan vara oönskvärt vid skalutveckling, så en del forskare tar bara hänsyn till den starkaste laddningen för varje item.
Varje testperson får ett faktorpoäng för varje faktor, så matrisen innehåller inga tomma celler. Testpersoner med saknade data tilldelas dock NA-poäng på alla faktorer.
Den här övningen är en del av kursen
Faktoranalys i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Run the EFA with six factors (as indicated by your scree plot)
EFA_model <- ___(bfi_EFA, ___)