ΣΕ ΠΟΙΕΣ ΠΕΡΙΠΤΩΣΕΙΣ ΔΕΝ ΕΦΑΡΜΟΖΟΝΤΑΙ EFA ΚΑΙ CFA ΣΤΟ ΙΔΙΟ ΔΕΙΓΜΑ;

Η παραγοντική ανάλυση (factor analysis) είναι μια στατιστική τεχνική που αναλύει τις σχέσεις μεταξύ ενός συνόλου στοιχείων (item) έρευνας για να προσδιορίσει εάν οι απαντήσεις των συμμετεχόντων σε διαφορετικά υποσύνολα στοιχείων σχετίζονται στενότερα μεταξύ τους παρά με άλλα υποσύνολα, δηλαδή, είναι μια ανάλυση της διάστασης μεταξύ των στοιχείων. Η παραγοντική ανάλυση διακρίνεται σε διερευνητική παραγοντική ανάλυση (Exploratory Factor Analysis - EFA) και σε επιβεβαιωτική παραγοντική ανάλυση (Confirmatory Factor Analysis - CFA).

H EFA αναζητά μοτίβα που βρίσκονται κάτω από ένα σύνολο δεδομένων και, ως εκ τούτου, μπορεί να διασαφηνίσει τον τρόπο με τον οποίο διαφορετικά στοιχεία σχετίζονται μεταξύ τους και να βοηθήσει στην ανάπτυξη νέων θεωριών. Η EFA, λοιπόν, είναι κατάλληλη κατά τα αρχικά στάδια ανάπτυξης του οργάνου, καθώς και για τη διερεύνηση της διάστασης του ερωτηματολογίου-εργαλείου.

Η CFA, αντιθέτως, χρησιμοποιείται για να επιβεβαιώσει ένα ήδη υπάρχον θεωρητικό μοντέλο. Ουσιαστικά, όταν χρησιμοποιείται CFA, ο ερευνητής ελέγχει εάν τα δεδομένα που συλλέγονται υποστηρίζουν ένα υποθετικό μοντέλο. Η CFA, δηλαδή, είναι κατάλληλη όταν ένας ερευνητής χρησιμοποιεί μια προϋπάρχουσα έρευνα που έχει μια καθιερωμένη δομή με παρόμοιο πληθυσμό ερωτηθέντων.

Στην περίπτωση δημιουργίας ενός νέου ερωτηματολογίου-εργαλείου η EFA είναι η καλύτερη προσέγγιση για την αρχική ανάλυση των δεδομένων. Εν συνεχεία, τα αποτελέσματα από την EFA θα πρέπει να επιβεβαιώνονται με την χρήση CFA, πριν από τη χρήση του οργάνου μέτρησης για έρευνα. Αυτή η επιβεβαίωση δεν πρέπει ποτέ να πραγματοποιείται στο ίδιο δείγμα με την EFA. Διότι, κάτι τέτοιο δεν παρέχει γενικεύσιμες πληροφορίες, καθώς η CFA θα επαναλαμβάνει (ουσιαστικά) πολλές από τις σχέσεις που δημιουργήθηκαν μέσω της EFA. Επιπλέον, θα μπορούσε να διαπιστωθεί κάτι διαφορετικό σχετικά με τον τρόπο με τον οποίο το πρώτο δείγμα ανταποκρίνεται σε στοιχεία που μπορεί να μην βρεθούν σε ένα δεύτερο δείγμα. Για αυτούς τους λόγους (μεταξύ πολλών άλλων), είναι βέλτιστη πρακτική να εκτελείται EFA και CFA σε ανεξάρτητα δείγματα. Αξίζει εδώ να σημειωθεί ότι εάν ένας ερευνητής έχει αρκετά μεγάλο μέγεθος δείγματος, μπορεί να γίνει τυχαία διαίρεση του αρχικού δείγματος σε δύο ανεξάρτητες ομάδες.

Μία άλλη περίπτωση που χρειάζεται ιδιαίτερη προσοχή είναι όταν γίνεται χρήση μίας προϋπάρχουσας έρευνας, για παράδειγμα στάθμιση ενός ήδη υπάρχοντος ερωτηματολογίου-εργαλείου. Αρχικά πρέπει να γίνεται χρήση CFA και εφόσον προκύψει ότι τα δεδομένα δεν ταιριάζουν στο θεωρητικό μοντέλο που καθορίζεται συνιστάται η διεξαγωγή μίας δεύτερης ανάλυσης, ξεκινώντας με EFA στο μισό του αρχικού δείγματος ακολουθούμενο από CFA στο άλλο μισό δείγμα.

Μην ξεχνάμε ότι η εγκυρότητα δεν είναι ιδιότητα του ίδιου του εργαλείου μέτρησης, αλλά είναι ιδιότητα της χρήσης του εργαλείου. Έτσι, κάθε φορά που ένας ερευνητής αποφασίζει να χρησιμοποιήσει ένα εργαλείο, πρέπει να εξετάζει σε ποιο βαθμό τα στοιχεία και η θεωρία υποστηρίζουν τις επιδιωκόμενες ερμηνείες και τη χρήση του, καθώς και να εξετάζει τα διάφορα είδη αποδεικτικών στοιχείων εγκυρότητας.