Диссертация (1136144), страница 28
Текст из файла (страница 28)
В такой матрицевсе нагрузки для каждой переменной, кроме максимальной (или двух максимальных – в зависимости от заданной степени сложности), приравниваются к нулю;2) метод минимальной средней остаточной корреляции (minimum average partial correlation; Velicer, 1976), определяющий факторное решение, при котором матрица остаточных корреляций минимальна (функция nfactors в пакете psych);3) корень из средней квадратической ошибки аппроксимации (RMSEA) (функция nfactors в пакете psych)36.
Кроме своего широко известного использования в структурном модели-ровании, RMSEA используется для определения числа факторов, извлекаемых в эксплораторном факторном анализе (Preacher et al., 2013). В этом случае лучшим решением являетсянаименьшее число факторов, при котором RMSEA принимает значения менее условного (чащевсего RMSEA < .06; Hu, Bentler, 1999);36RMSEA считается одним из лучших критериев оценки правдоподобия (verisimilitude) модели, т.е. ап-проксимации популяционной матрицы ковариаций предсказаниями модели на популяции (Cudeck,Henly, 1991).
Иными словами, RMSEA хорош в качестве критерия соответствия модели искомой «реальности», хотя и уступает информационным индексам типа AIC и BIC в плане оценки генерализованности модели, т.е. ее воспроизводимости на аналогичных выборках (Preacher et al., 2013).1344) параллельный анализ (parallel analysis; Hayton, Allen, Scarpello, 2004), предполагающий извлечение факторов до тех пор, пока собственные значения факторов эмпирических данных не прекращают превышать собственные значения случайных данных матрицы той же размерности (функция fa.parallel в пакете psych). Утверждается, что параллельный анализ является одним из наиболее точных методов определения числа факторов (Zwick, Velicer, 1986);5) иерархический кластерный анализ (функция iclust в пакете psych). Является альтернативой факторному анализу. Укрупнение кластеров производится до тех пор, пока надежность кластеров, измеренных α Кронбаха и β Ревелля, не прекращает увеличиваться;6) метод каменистой осыпи (scree test; Cattell, 1966), предполагающий анализ графика споиском оптимальной точки замедления в снижении собственных значений факторов (функцияnScree в пакете nFactors).
Рекомендуемое число факторов предшествует точке замедления(излома) на графике;7) критерий Кайзера (Kaiser, 1960; функция nScree в пакете nFactors), согласно которому фактор считается существенным, если его собственное значение λ > 137.Для извлечения факторов использовалась функция fa с применением метода минимальных остатков (minimal residual method) и косоугольным вращением облимин.При изучении черт личности из пяти критериев два (VSS и RMSEA) поддержали 5факторное решение (таблица 3.3).Пункты BFI распределились в соответствии с 5-факторной моделью с двумя оговорками(рисунок 3.2).
Во-первых, фактор доброжелательности (MR5) был образован лишь четырьмяпунктами, характеризующими его негативный полюс, а также п. 29, относящимся формально к37Этот способ определения числа факторов используется по умолчанию в наиболее популярных про-граммах типа SPSS или Statistica, что способствует его широкому распространению среди психологов(Fabrigar, Wegener, MacCallum, Strahan, 1999).
Тем не менее, в литературе отмечается, что он являетсянаихудшим из существующих средств, поскольку фактически представляет собой долю (1/3–1/6) от числа введенных в анализ переменных (Revelle, 2016; Zwick, Velicer, 1986).135нейротизму («…может быть угрюмым»). Во-вторых, фактор нейротизма (MR2) включил в себяс отрицательным знаком п. 26, относящийся к экстраверсии («…уверенный в себе»).Параллельный анализ, MAP и критерий Кайзера поддержали 7-факторную структуру38.При этом два дополнительных фактора были образованы, во-первых, позитивными пунктамидоброжелательности, не коррелировавшими с фактором ее негативных пунктов (враждебности),r = -.04, и, во-вторых, фактором, выделившимся из открытости опыту, полностью соответствующим 3-пунктному аспекту эстетики (Aesthetics; Soto, John, 2009).
Этот фактор, в отличие отвторого аспекта, идей (Ideas), не коррелировал с экстраверсией, r = .00 (против r = .35 для экстраверсии и идей). В целом, согласно сформулированным выше критериям, 7-факторная структура связана с ограничениями психометрического характера, а также дифференциальными корреляциями экстраверсии с двумя аспектами открытости.Внутренняя согласованность и распределение. Подшкалы BFI показали хорошую либоприемлемую внутреннюю согласованность (таблица 3.2). Судя по значениям асимметрии иэксцесса (там же), показатели черт личности были распределены нормально, что соответствуетпопуляционным ожиданиям.Конструктная валидность.
IPIP и BFI продемонстрировали хорошую конвергентнуювалидность по каждой из пяти шкал (таблица 3.4). При этом средняя корреляция разных черт,измеренных разными тестами, составила |r| = .16, что свидетельствует о дивергентной валидности BFI.Структура компонентов черт личности. Для оценки структур показателей пяти чертличности применялся анализ главных компонент с вращением облимин (функция principalпакета psych). Параллельный анализ, критерии Кайзера и каменистой осыпи поддержали двухфакторное решение.
Две компоненты слабоположительно коррелировали между собой, r = .14.Структура (таблица 3.5) состояла из двух компонент, объяснивших в совокупности λ = .57 дисперсии. При этом первый фактор был образован показателями доброжелательности, добросо-38Здесь и далее отсутствующие факторные диаграммы доступны у автора по запросу.136вестности и нейротизма (отрицательный знак), а второй фактор – показателями экстраверсии иоткрытости опыту.Данная версия BFI показала приемлемую психометрику при использовании на независимой выборке из 143 подростков (Мишкевич, 2016).
В целом следует заключить, что русскаяверсия Вопросника Большой Пятерки обладает достаточной психометрической состоятельностью.Взаимосвязи и различия черт личности и рефлексивных характерных адаптацийДля измерения взаимосвязей черт личности и РХА использовался корреляционный анализ Пирсона. Достоверность получаемого эффекта оценивалась посредством процедуры бутстраппинга, рекомендуемой в качестве альтернативы традиционным методам отвержения нулевой гипотезы (Cumming, 2014; Funder et al., 2014).
Бутстраппинг как робастная статистика независит от допущений, связанных с распределением данных, выбросами и гетероскедастичностью (Preacher, Hayes, 2008) и является эффективным средством контроля ошибки I рода принарушениях нормальности распределения (Berkovits, Hancock, Nevitt, 2000; Wilcox, Carlson,Azen, F. Clark, 2013). Ситуация, при которой 95% доверительный интервал коэффициентов, полученных на бутстрап-выборках, не включает в себя ноль, эквивалентна отвержению нулевойгипотезы на уровне α = .05, что свидетельствует о статистической значимости на уровне p <=.05. Корреляции рассчитывались на 2000 бутстрап-выборках.137Таблица 3.3. Рекомендуемое число факторов в BFI, измерявшем черты личности и рефлексивные характерные адаптации.ХарактеристикиKMO χ2 (Б)VSSMAPRMSEA*ПА ИК ККайзерkXn/X5k Xn/X5k Xn/X5[90%CI]kk λk/λ5Черты личности.8715475.96 5.537 .0068/.00835 .055 [.052; .056]746 7 .43/.37ДЭ.8918791.3 2.55/.507 .0075/.00936 .049 [.046; .050]/.061 [.058; .062] 737 7 .48/.42Отраженные черты .8919970.74 5.587 .0075/.01146 .055 [.052; .057]/.067 [.064; .068] 757 8 .51/.43УЧ.8511064.09 1.45/.446 .0068/.00694 .055 [.053; .057]/.048 [.045; .049] 842 9 .37/.30Отраженные УЧ.9012951.57 1.61/.435 .00673 .059 [.057; .060]/.046 [.043; .047] 822 9 .39/.332Примечание.
N = 1030; KMO – тест Кайзера-Мейера-Олкина (адекватность выборки при KMO > .6-.7); χ (Б) – тест сферичности Бартлетта(статистически значим, если матрица корреляций, а не единичная матрица); VSS – очень простая структура (с сохранением одной максимальной нагрузки на переменную); MAP – минимальная средняя остаточная корреляция; RMSEA – корень из средней квадратической ошибки аппроксимации; ПА – параллельный анализ; ИК – иерархический кластерный анализ; К – метод каменистой осыпи; Кайзер – критерийКайзера; k – рекомендуемое число факторов, X – значение показателя, λ – доля объясненной дисперсии.138Рисунок 3.2 Факторные нагрузки пунктов Вопросника Большой Пятерки (BFI) при измерении черт (5факторное решение, метод минимальных остатков, вращение облимин; функция fa.diagram пакетаpsych). MR – факторы, V – пункты.
Нумерация соответствует нумерации в BFI (см. ключ в Приложении1)139Таблица 3.4. Матрица интеркорреляций черт личности, измеренных IPIP и BFI (N = 1030).MSDIPIPBFIДжДсНОЭДжДсНОIPIPЭ3.340.86.04-.06* .32.09**.38.83.12-.16.32Дж3.870.59.05.01.19.25.30.56.23.35Дс3.350.71.03.03-.01-.17.23.75-.1539Н2.950.92.00-.08** -.29.07*-.17.83О3.710.57.02.09**-.07*.36.71Примечание. IPIP – Международный пул личностных вопросов Л. Голдберга (Goldberg, 2001;Князев и др., 2010); BFI – Вопросник Большой Пятерки (John et al., 1991, 2008; Shchebetenko,2014); M – средние арифметические, SD – стандартные отклонения, Э – экстраверсия, Дж –доброжелательность, Дс – добросовестность, Н – нейротизм, О – открытость опыту.Курсивом выделены межтестовые корреляции (конвергентная валидность).Полужирным выделены связи на уровне p < .001.** p < .01, * p < .05.Таблица 3.5.
Компонентная структура показателей пяти черт личности, измеренных Вопросником Большой Пятерки.Компонента12Экстраверсия.04.82Доброжелательность .79-.04Добросовестность.00.64Нейротизм-.07-.67Открытость-.04.82ДОД, %3027Примечание: Метод главных компонент, вращение облимин. Полужирным шрифтом выделенынагрузки xi > .50.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
