Variansmått
"Det finns två typer av variansmått inom faktoranalys: egenvärde och communalities."
Ju bättre en viss variabel förklaras av de olika faktorerna desto högre communality har variabeln. Denna förklaringsförmåga mäts genom att räkna samman en variabels förklarade variansen för alla faktorer den laddar på. Man eftersträvar att låta så mycket som möjligt av förklaringsvärdet för en variabel ligga på en enda faktor - helst ska det vara över 0,5 på en faktor och så lågt som möjligt på de andra, i vart fall under 0,3 eftersom man aldrig räknar med faktorladdningar lägre än 0,3. Detta kallas dubbelladdning.
Ofta laddar en variabel högt på flera faktorer dvs. har mer än en faktorladdning över 0,3 anses den uttrycka mer än en sak. Detta kallas dubbelladdning. Detta behöver inte vara ett problem beroende på vilket syfte man har med faktoranalysen. Ibland vill man däremot att en variabler endast skall förklaras av en faktor och att faktorerna skall vara oberoende av varandra. För att undkomma detta roterar vi variablerna. Om inte det hjälper och dubbelladdningen fortfarande finns kvar kan man även i vissa fall överväga att utesluta variabeln.
Ju högre förklaringsförmåga en viss faktor har desto högre egenvärde har faktorn. Dvs. ju större sammanlagd inverkan den har på de variabler som ingår i faktoranalysen, ju högre egenvärde har den. Denna mäts genom att räkna samman den förklarade variansen för alla variabler i en faktor. Förklarad varians är detsamma som korrelationen^2.
Hur väljer man antalet faktorer?
Läs