Ulemper av Factor Analysis

Faktoranalyse er en statistisk metode for å forsøke å finne det som er kjent som latente variabler når du har data på svært mange spørsmål. Latente variabler er ting som ikke kan måles direkte. For eksempel, de fleste sider av personligheten er latent. Personlighets forskere ofte spør et utvalg av personer mange spørsmål som de tror er relatert til personlighet, og deretter gjøre faktoranalyse for å finne ut hva latente faktorer eksisterer.

Svaret du får, avhenger av de spørsmålene du stiller

Faktorene som vises kan bare komme fra svarene på de spørsmålene du stiller. Hvis du ikke spør om søvnvaner, for eksempel, så ingen faktor relatert til søvnvaner vises. På den annen side, hvis du spør bare om søvnvaner, da ingenting annet kan vises. Velge et godt sett med spørsmål er komplisert, og ulike forskere vil velge ulike sett av spørsmål.

Tilfeldige data Gir Factors

Hvis du genererer en masse tilfeldige tall, kan en faktoranalyse fortsatt finne tydelig struktur i dataene. Det er vanskelig å si om de faktorene som kommer frem reflektere data, eller er rett og slett en del av kraften i faktoranalyse for å finne mønstre.

Det er vanskelig å bestemme hvor mange faktorer som skal inkluderes

En oppgave av faktoren analytiker er å avgjøre hvor mange faktorer for å beholde. Det finnes en rekke metoder for å bestemme dette, og det er liten enighet med hensyn til hvilke er best.

Tolkning av betydningen av faktorene er subjektiv

Faktoranalyse kan fortelle deg hvilke variabler i datasettet "gå sammen" på måter som ikke alltid er åpenbare. Men å tolke hva disse sett av variabler faktisk representerer er opp til analytikeren, og fornuftige mennesker kan være uenige.