Exploratory factor analysis

Faktorska analiza je statistička metoda čiji je cilj pronaći manji broj neopaženih varijabli (faktora) koje objašnjavaju što veći dio varijabilnosti početnoga skupa podataka. Početne varijable tada možemo prikazati kao linearne kombinacije faktora, iz čijih težina vidimo koliki je utjecaj određenog faktora na neku od varijabli. Razlikujemo eksploratornu i konfirmatornu faktorsku analizu, ovisno o tome jesu li nam faktori unaprijed poznati. U radu je objašnjena podjela varijance unutar faktorskog modela na komunalnost i jedinstvenu varijancu. Radi boljeg razumijevanja faktorske analize, dana je geometrijska interpretacija faktorskog modela i prikaz faktorskog prostora na primjeru dva zajednička faktora. Dalje, objašnjene su neke od metoda procjene potrebnog broja faktora i njihovih težina te mogućnost rotacije faktora. Na kraju rada ilustrirana je primjena eksploratorne faktorske analize u programskom jeziku R na skupu podataka koji analiziraju naslove novinskih članaka i osjećaje koje oni pobuđuju u čitatelju.Factor analysis is a statistical method that aims to find a smaller number of unobserved variables (factors) that explain as much of the variability of the initial data set as possible. The original variables can be modelled as linear combinations of the factors, whose weights represent the influence of a particular factor on the variable. Depending on our assumptions about factors, there are two types of factor analysis, exploratory and confirmatory. In this paper, the division of variance within the factor model into communality and unique variance is explained. A geometric interpretation of the factor model and an example of the factor space with two common factors are given. Methods for estimating number of factors and their loadings are explained, as well as rotations of the factors. In the end, an example of exploratory factor analysis is illustrated on a dataset that analyzes relations among news values and emotions using programming language R