CERITA 19: Putaran dalam Analisis Faktor: Varimax atau Promax? (Rotation in Factor Analysis: Varimax or Promax)

CERITA 19: Putaran dalam Analisis Faktor: Varimax atau Promax?

Sumber: Google

Salam semua, dah lama tak update entry di sini, hampir 3 bulan. Idea untuk menulis memang sentiasa ada, cuma agak keterbatasan waktu untuk mengolah agar ayat lebih mudah difahami kepada pembaca.

Juga terima kasih kepada anda yang pernah mendapatkan khidmat dan servis saya, jutaan terima kasih atas kepercayaan yang diberikan.

Sebenarnya adakalanya idea menulis itu datang ketika menjalankan analisis, yang adakalanya saya tak terokai waktu zaman belajar dahulu, namun begitulah mana-mana bidang ilmu, selagi kita teroka dan gali, rasa banyak sangat maklumat yang tidak diketahui. Namun sedikit sebanyak ilmu yang kita dapat mungkin dapat dikongsi dengan orang lain yang tidak berkesempatan untuk menggalinya.


Ok lah untuk entry kali ini, saya nak ceritakan sedikit mengenai perbandingan kaedah putaran dalam analisis faktor, selalunya bila kita guna SPSS > Analyze > Dimention Reduction > Factor Analysis > Rotation. Kaedah rotation yang manakah harus digunakan? Namun dalam entry ini lebih kepada perbandingan antara kaedah varimax dan promax sahaja. Kajian lanjut nanti kita buat paper lah..hehe.

Hampir semua kaedah putaran dalam analisis faktor boleh dibahagikan kepada 2 jenis umum iaitu, ‘orthogonal’ dan ‘oblique’.

Jadual: Perbandingan Putaran Jenis Orthogonal dan Oblique

Analisis dalam kaedah promax menghasilkan putaran struktur yang lebih mudah berbanding Varimax, khususnya apabila ciri-ciri pemboleh ubah pendam (latent) adalah berkorelasi tinggi (McLeod et al., 2001).

McDonald (1997) mencadangkan jenis putaran oblique lebih sesuai kerana dalam aplikasi sebenar, jarang untuk menemui setiap faktor dalam kajian tidak berkorelasi antara satu sama lain.

De Vellis (2003) pula dalam kajiannya mencadangkan apabila korelasi antara faktor adalah <  0.15, jenis orthogonal lebih baik, sebaliknya jika lebih r > 0.15, maka jenis oblique adalah sesuai.

Kieffer (1998) pula mencadangkan menggunakan kedua-dua orthogonal dan oblique, kemudian kedua-dua keputusan dibandingkan. Jika kedua-dua kaedah menghasilkan keputusan yang sama atau tidak banyak beza, orthogonal boleh digunakan. Namun jika terdapat banyak perbezaan, pendekatan oblique lebih sesuai.

(Johnson & Wichem, 2002; McDonald, 1997; Tabachnick & Fidell, 2001) secara umumnya mencadangkan bahawa jika pengkaji percaya bahawa faktor tersembunyi (underlying factor) adalah berkorelasi antara satu sama lain, jenis oblique harus digunakan.

Namun berdasarkan cadangan-cadangan penulis terdahulu, tiada kajian yang betul-betul menguji sejauh mana pencapaian pendekatan orthogonal mahupun oblique mengikut bidang kajian tertentu.  

Oleh kerana putaran faktor tidak mengubah penyuaian (fit) sebenar penyelesaian dalam analisis faktor, tiada satu kaedah yang ada boleh dikatakan lebih baik berbanding yang lain. Sebaliknya, setiap kaedah mempunyai kelebihan dan kekurangan yang unik, di mana sesuatu pendekatan tersebut mungkin lebih sesuai dalam sesetengah keadaan/ kajian tertentu.

Ok, setakat ini dahulu perkongsian hari ini. Ada masa kita cerita lagi.

Artikel ini saya olah daripada:

Finch, H. (2006). Comparison of the Performance of Varimax and Promax Rotations: Factor Structure Recovery for Dichotomous Items. Journal of Educational Measurement, Vol. 43, No. 1 (Spring, 2006), pp. 39-52

Rujukan:

Johnson, R. A., & Wichern, D. W (2002). Applied multivariate statistical analysis. Upper Saddle River, NJ: Prentice Hall.

DeVellis, R. F. (2003). Scale development: Theory and applications. Thousand Oaks, CA: Sage

Kieffer, K. M. (1998). Orthogonal versus oblique rotation: A review of the literature regarding the pros and cons. Paper presented at the Annual Meeting of the Mid-South Educational Research Association, New Orleans, LA, November, 1998.

McDonald, R. P. (1997). Test theory: A unified treatment. Mahwah, NJ: Erlbaum.

McLeod, L. D., Swygert, K. A., & Thissen, D. (2001). Factor analysis for items scored in two categories. In D. Thissen & H. Wainer (Eds.), Test scoring (pp. 189-216). Mahwah, NJ: Erlbaum

Tabachnick, B. G., & Fidell, L. S. (2001). Using multivariate statistics. Needham Heights, MA: Allyn & Bacon.