|
3.7.3 Probléma: A Big Five személyiségvizsgáló eljárás faktoranalízise
Szinte minden pszichológus számára ismert a Big Five személyiségvizsgáló eljárás. A Big Five - ahogyan a neve is mutatja - egy olyan személyiségmodell, és arra épülő személyiségvizsgáló eljárás, amely azt feltételezi, hogy a személységet öt, egymástól független dimenzió, öt faktor alkotja. Az egyes dimenzióknak, faktoroknak több elnevezése is ismert, ebben a vizsgálatban a következő elnevezéseket fogjuk használni:
- Extroverzió - introverzió
- Együttműködés
- Lelkiismeretesség
- Stabilitás - neurocitás
- Élményekre való nyitottság
d<-read.csv("c:/adat/bigfive.csv")
d
|
| |
3.21. R-forráskód
|
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
1 2 7 2 6 4 4 1 6 2 7
2 3 5 4 5 7 2 2 6 5 3
3 4 4 5 3 5 3 5 3 7 2
4 5 3 7 1 7 1 7 1 4 4
5 7 1 6 2 1 7 5 3 5 3
6 5 3 3 5 2 6 4 4 3 5
7 1 7 5 3 5 3 3 5 5 3
8 4 4 6 2 4 4 5 3 4 4
9 5 3 1 7 5 3 4 5 6 2
10 6 1 4 4 3 5 2 6 6 2
11 3 5 7 1 5 4 1 7 5 3
12 5 3 2 6 4 4 5 3 4 4
13 6 2 5 3 5 3 3 5 2 6
14 7 1 5 3 5 3 5 3 1 7
15 2 6 6 3 3 5 7 1 5 3
16 3 5 4 4 4 4 4 4 7 1
17 5 3 2 6 1 7 5 3 5 3
18 7 1 5 3 2 6 5 3 6 2
19 4 3 2 5 7 2 2 6 3 5
20 7 1 4 4 5 3 7 1 5 3
|
| |
3.21. R-eredmény.
|
A 3.21. R-forráskóddal előhívott 3.21. R-eredmény egy Big Five eljárásra épülő hipotetikus vizsgálat adatait tartalmazza. Az egyes változókhoz tartozó itemeket egy 1-7 skálán jelölték meg a vizsgálati személyek attól függően, hogy mennyire illik vagy nem illik rájuk az adott állítás. A 7 jelenteti azt, hogy teljes mértékben illik, és az 1, hogy egyáltalán nem. Az egyes változókhoz tartozó itemek a következők:
- v1 (extroverzió): Általában beszédes, aktív és társaságkedvelő vagyok.
- v2 (introverzió): Jobban szeretek csendesen visszahúzódni egy sarokba, semmint a középpontban lenni.
- v3 (együttműködés): Szívesen segítek másoknak, vagy dolgozok másokkal együtt valamilyen közös feladaton.
- v4 (együttműködés): Gyakran viselkedem ellenségesen és kötözködően másokkal.
- v5 (lelkiismeretesség): Általában tudom, hogy mit akarok, és céltudatosan igyekszem elérni azt.
- v6 (lelkiismeretesség):Sokak szerint megbízhatatlan vagyok.
- v7 (stabilitás): Érzelmileg kiegyensúlyozottnak, higgadtnak tartom magam.
- v8 (neurocitás): Gyakran vagyok érzelmileg csapongó.
- v9 (élményekre való nyitottság): Kíváncsi vagyok.
- v10 (élményekre való nyitottság): Ragaszkodom a szokásaimhoz.
cor<-cor(d)
print(cor,digits=3)
|
| |
3.22. R-forráskód
|
V1 V2 V3 V4 V5 V6 V7 V8 V9
V1 1.00000 -0.98085 0.00408 -0.0645 -0.2771 0.2393 0.371 -0.335 -0.1147
V2 -0.98085 1.00000 0.00000 0.0726 0.2307 -0.2069 -0.329 0.280 0.0656
V3 0.00408 0.00000 1.00000 -0.9751 0.0661 -0.0680 0.263 -0.288 0.0815
V4 -0.06446 0.07256 -0.97510 1.0000 -0.0895 0.0905 -0.226 0.250 -0.0377
V5 -0.27711 0.23072 0.06615 -0.0895 1.0000 -0.9814 -0.195 0.218 -0.1790
V6 0.23926 -0.20689 -0.06797 0.0905 -0.9814 1.0000 0.088 -0.109 0.1864
V7 0.37135 -0.32942 0.26315 -0.2257 -0.1954 0.0881 1.000 -0.985 0.1554
V8 -0.33508 0.28028 -0.28799 0.2500 0.2179 -0.1087 -0.985 1.000 -0.0891
V9 -0.11472 0.06565 0.08152 -0.0377 -0.1790 0.1864 0.155 -0.089 1.0000
V10 0.05897 0.00323 -0.10682 0.0630 0.1865 -0.2005 -0.190 0.109 -0.9828
V10
V1 0.05897
V2 0.00323
V3 -0.10682
V4 0.06298
V5 0.18647
V6 -0.20051
V7 -0.19002
V8 0.10854
V9 -0.98281
V10 1.00000
|
| |
3.22. R-eredmény.
|
A 3.22. R-forráskóddal egy korrelációs mátrixot kértünk, amely a 3.22. R-eredményen látható. Láthatjuk, hogy a Big Five modellje szerint összekapcsolódó itemek nagyon szoros, ám negatív korrelációban vannak egymással (tehát a v1 a v2-vel, v3 a v4-gyel stb.) a korreláció értékek -0,98 körül mozognak. A negatív előjelű kapcsolat utal arra, hogy az összekapcsolódó itemek egy dimenzió két végpontját ragadják meg. Hogy mennyire helytálló a korrelációs mátrix által felállított elképzelésünk, arra a faktoranalízis adhat választ (3.23. R-forráskód).
FA<-factanal(d, factors=5, rotation="varimax", scores="Bartlett")
FA
|
| |
3.23. R-forráskód
|
Call:
factanal(x = d, factors = 5, scores = "Bartlett", rotation = "varimax")
Uniquenesses:
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
0.022 0.005 0.005 0.034 0.005 0.019 0.012 0.005 0.025 0.005
Loadings:
Factor1 Factor2 Factor3 Factor4 Factor5
V1 -0.194 -0.955 0.146
V2 0.136 0.983
V3 -0.151 -0.984
V4 0.104 0.974
V5 0.124 0.123 -0.977
V6 0.109 -0.113 0.977
V7 0.114 -0.959 -0.197 -0.122
V8 0.972 0.140 0.149
V9 0.978
V10 -0.989
Factor1 Factor2 Factor3 Factor4 Factor5
SS loadings 1.978 1.977 1.975 1.972 1.961
Proportion Var 0.198 0.198 0.197 0.197 0.196
Cumulative Var 0.198 0.395 0.593 0.790 0.986
Test of the hypothesis that 5 factors are sufficient.
The chi square statistic is 9.02 on 5 degrees of freedom.
The p-value is 0.108
|
| |
3.23. R-eredmény.
|
A Big Five jellegéből adódik, hogy egy ötfaktoros modellt teszteltünk (3.23. R-forráskód), amely a khi-négyzet statisztika szerint illeszkedik is az adatokra. A „cumulative var” sorban azt is láthatjuk, hogy a modell magyarázóértéke igen jó, hiszen az öt faktor az összvarianciának majdnem a 99%-át magyarázza. A „loadings”-szal jelölt faktorsúlyoknál megnézhetjük, hogyan alakulnak az egyes faktorok. A faktorok szerkezete teljes mértékben összecseng előzetes várakozásunkkal: minden egyes faktorba két változó tartozik, az összetartozó változók pedig úgy kapcsolódnak össze, ahogyan azt az elmélet alapján is vártuk (vagyis a v1 a v2-vel, v3 a v4-gyel stb.). A faktorsúlyok alapján az öt faktor a következőképpen alakul:
- 1. faktor: élményekre való nyitottság (v9, v10)
- 2. faktor: stabilitás-neurocitás (v7, v8)
- 3. faktor: extroverzió-introverzió (v1, v2)
- 4. faktor: lelkiismeretesség (v5, v6)
- 5. faktor: együttműködés (v3, v4)
d.cor<-cor(d)
szfa<-lapply(1:5,function(nf) factanal(covmat=d.cor, factors=nf, method="mle"))
pred<-szfa[[5]]$loadings%*%t(szfa[[5]]$loadings)+diag(szfa[[5]]$uniquenesses)
print(d.cor-pred,digits=3)
|
| |
3.24. R-forráskód
|
V1 V2 V3 V4 V5 V6 V7
V1 -2.62e-07 -2.46e-04 9.32e-04 6.01e-03 -1.06e-03 -4.20e-03 -1.74e-03
V2 -2.46e-04 -1.02e-04 2.11e-04 1.37e-03 -2.18e-04 -8.49e-04 -2.96e-04
V3 9.32e-04 2.11e-04 -1.40e-06 -3.62e-06 7.61e-05 2.59e-04 2.19e-04
V4 6.01e-03 1.37e-03 -3.62e-06 5.30e-08 5.68e-04 1.98e-03 1.71e-03
V5 -1.06e-03 -2.18e-04 7.61e-05 5.68e-04 -2.35e-05 -4.71e-05 -8.12e-05
V6 -4.20e-03 -8.49e-04 2.59e-04 1.98e-03 -4.71e-05 3.32e-07 -2.10e-04
V7 -1.74e-03 -2.96e-04 2.19e-04 1.71e-03 -8.12e-05 -2.10e-04 4.00e-08
V8 -4.99e-04 -8.11e-05 9.17e-05 7.02e-04 -4.25e-05 -1.33e-04 -9.43e-06
V9 7.72e-03 1.48e-03 -4.97e-04 -3.10e-03 -1.21e-03 -5.37e-03 -6.92e-03
V10 1.45e-03 2.85e-04 -1.04e-04 -6.34e-04 -2.21e-04 -9.82e-04 -1.32e-03
V8 V9 V10
V1 -4.99e-04 7.72e-03 0.001452
V2 -8.11e-05 1.48e-03 0.000285
V3 9.17e-05 -4.97e-04 -0.000104
V4 7.02e-04 -3.10e-03 -0.000634
V5 -4.25e-05 -1.21e-03 -0.000221
V6 -1.33e-04 -5.37e-03 -0.000982
V7 -9.43e-06 -6.92e-03 -0.001322
V8 -2.74e-06 -2.50e-03 -0.000481
V9 -2.50e-03 -1.31e-07 -0.000448
V10 -4.81e-04 -4.48e-04 -0.000173
|
| |
3.24. R-eredmény.
|
A 3.24. R-eredményen ismét egy különbségmátrixot láthatunk. A mátrixban szereplő értékek itt is megnyugtatóan alacsonyak. Ez is alátámasztja azt, hogy az illesztett ötfaktoros modellünk helytálló.
|
print(FA$scores,digits=3)
|
| |
3.25. R-forráskód
|
Végül a 3.25. R-forráskóddal hívjuk elő és nézzük meg a személyek egyes faktorbeli értékeit is.
Factor1 Factor2 Factor3 Factor4 Factor5
1 -1.971 0.8369 1.7713 0.5375 1.0879
2 0.559 1.0027 0.5314 -1.4064 0.1571
3 1.066 -0.5120 0.3125 -0.5840 -0.2786
4 -0.250 -1.5838 -0.1453 -1.7374 -1.3075
5 0.155 -0.0311 -1.0713 1.7501 -1.0874
6 -0.956 0.0323 -0.0697 1.3117 0.6154
7 0.355 0.3940 1.8085 -0.2350 -0.4319
8 -0.350 -0.4407 0.4149 0.1847 -0.9641
9 1.148 0.2481 -0.3858 -0.7208 1.9149
10 1.035 1.5221 -1.3600 0.5723 -0.0805
11 0.403 1.9639 0.5569 -0.0237 -1.8494
12 -0.236 -0.7084 -0.1276 -0.0423 1.3856
13 -1.397 0.7453 -0.8566 -0.3500 -0.6176
14 -2.060 -0.3921 -1.2143 -0.4555 -0.4865
15 0.109 -1.7587 1.7177 0.7326 -0.6666
16 1.560 -0.0238 0.8113 0.0349 0.2353
17 0.210 -0.5591 0.0271 1.6983 1.3235
18 0.852 -0.1328 -1.1529 1.0491 -0.4370
19 -0.593 0.9647 -0.4275 -1.4764 1.0903
20 0.362 -1.5674 -1.1406 -0.8398 0.3971
|
| |
3.25. R-eredmény.
|
|
