L'analyse factorielle est une méthode statistique pour tenter de trouver ce que l'on appelle des variables latentes lorsque vous avez des données sur un grand nombre de questions. Les variables latentes sont des choses qui ne peuvent pas être mesurées directement. Par exemple, la plupart des aspects de la personnalité sont latents. Les chercheurs sur la personnalité demandent souvent à un échantillon de personnes un grand nombre de questions qui, selon eux, sont liées à la personnalité, puis font une analyse factorielle pour déterminer quels facteurs latents existent.
La réponse dépend des questions que vous posez
>
Les facteurs qui apparaissent ne peuvent provenir que des réponses aux questions que vous posez. Si vous ne posez pas de questions sur les habitudes de sommeil, par exemple, aucun facteur lié aux habitudes de sommeil n'apparaîtra. D'un autre côté, si vous ne posez que des questions sur les habitudes de sommeil, rien d'autre ne peut apparaître. Choisir une bonne série de questions est compliqué et différents chercheurs choisiront différents ensembles de questions.
Les données aléatoires donnent des facteurs
Si vous générez beaucoup de nombres aléatoires, une analyse factorielle peut encore trouver structure apparente dans les données. Il est difficile de dire si les facteurs qui émergent reflètent les données ou font tout simplement partie de la puissance de l'analyse factorielle pour trouver des modèles.
Il est difficile de décider combien de facteurs à inclure
One tâche de l'analyste des facteurs est de décider combien de facteurs à garder. Il existe une variété de méthodes pour le déterminer, et il y a peu d'accord sur ce qui est le meilleur.
L'interprétation de la signification des facteurs est subjective
L'analyse factorielle peut vous dire quelles variables dans votre ensemble de données "vont ensemble" d'une manière qui n'est pas toujours évidente. Mais l'interprétation de ce que représentent ces ensembles de variables dépend de l'analyste, et les personnes raisonnables peuvent être en désaccord.
