Page 87 - Optimizacija poslovnih in tehnoloških procesov

Metode analize podatkov 5.4
malne porazdelitve podatkov. Poleg tega lahko izbira števila faktorjev
in njihova interpretacija pogosto temeljita na strokovnem znanju ter
izkušnjah analitika (Hox 2010). Kljub tem omejitvam pa faktorska ana-
liza ostaja uporabno orodje za raziskovanje kompleksnih podatkov in
lahko prispeva k boljšemu razumevanju različnih pojavov (Lu, Morris
in Frechette 2016).
Rezultati faktorske analize se lahko razlikujejo glede na spremen-
ljivke, ki se uporabljajo, in njihova resničnost je včasih težko prever-
ljiva. Zato je ključnega pomena, da analiza poteka previdno in da se
pri interpretaciji rezultatov upoštevajo morebitne omejitve, ki lahko
vplivajo na zanesljivost rezultatov (Anderson 2003).
Obstajajo različne metode izvajanja faktorske analize, vključno z
metodo glavnih komponent, metodo skupnih dejavnikov in metodo
analize slikovnih faktorjev. Po prepoznavanju dejavnikov lahko faktor-
ski model uporabimo za napovedovanje opazovanih spremenljivk na
podlagi latentnih dejavnikov. Faktorska analiza ima številne uporabe,
kot so validacija testov (Sekaran in Bougie 2016), razvoj meril in razi-
skovanje povezav med spremenljivkami (Field 2018).
Za izvedbo kredibilne in zanesljive faktorske analize je pomembno
preveriti primernost podatkov. V ta namen se uporablja test Kaiser-
-Meyer-Olkin (KMO), ki meri primernost vzorčenja za vsako spremen-
ljivko v modelu in za celoten model. Statistika KMO meri delež vari-
ance med spremenljivkami, kar omogoča interpretacijo primernosti
podatkov. Vrednosti KMO med 0,8 in 1 kažejo na ustrezno vzorčenje,
medtem ko vrednosti, manjše od 0,6, kažejo na neustreznost in pot-
rebo po popravnih ukrepih. Nekateri avtorji dopuščajo lastno presojo
za vrednosti med 0,5 in 0,6 (Rodman 2010; Hair idr. 2014; Field 2018).
Bartlettov test sferičnosti je statistični test, ki se uporablja za pre-
verjanje primernosti podatkov za faktorsko analizo. Test preverja hi-
potezo o enotski matriki, kar pomeni, da so spremenljivke med seboj
neodvisne in jih ni mogoče povzeti z nekaj faktorji. Če je test statistič-
no pomemben, pomeni, da obstaja redundanca med spremenljivkami
in da je faktorska analiza smiselna (Rodman 2010). Če so spremen-
ljivke korelirane med seboj, pomeni, da sferičnost ni prisotna in da
obstaja redundanca med spremenljivkami. Pomembno je poudariti, da
je Bartlettov test sferičnosti namenjen preverjanju primernosti podat-
kov za faktorsko analizo (Field 2018).
Faktorska analiza je uporabna metoda za analizo kompleksnih po-
datkov, kot so kazalniki poslovnih in tehnoloških procesov (PTP). V

87