Slovník pojmů

Faktorová analýza (latentní faktory)

Definice

Faktorová analýza hledá malý počet skrytých (latentních) faktorů, které vysvětlují korelace mezi mnoha měřenými proměnnými — např. položky dotazníku spokojenosti se sdružují do faktorů „cena“, „kvalita“ a „servis“. Každá proměnná má na faktorech zátěže; rotace (Varimax) zjednoduší strukturu, aby se faktory daly pojmenovat.

Vícerozměrné metody

Typické použití: vývoj a ověření dotazníků, psychometrie, marketingový výzkum, redukce sady ukazatelů. Vhodnost dat posuzujte podle korelační matice a Kaiserova–Meyerova–Olkinova kritéria; potřebujete zpravidla 5–10 pozorování na proměnnou.

Faktorová skóre lze uložit jako nové proměnné a použít v regresi či segmentaci. Explorační faktorová analýza strukturu hledá; konfirmační (v modelování strukturních rovnic) ji testuje proti předem dané teorii.

V Statistice

Modul Statistiky → Vícerozměrné průzkumové techniky → Faktorová analýza nabízí extrakci hlavních komponent i maximální věrohodnosti, rotace Varimax, Quartimax, Equamax a šikmé, graf zátěží, sutinový graf a uložení faktorových skóre. Spolehlivost škál (Cronbachovo α) doplní Analýza reliability a položek.

Dostupné od edice: Statistica Desktop

Související pojmy

Návody v knowledgebase

Časté otázky

Kolik faktorů extrahovat?
Podle vlastních čísel nad 1, sutinového grafu a hlavně interpretovatelnosti — faktor, který nedokážete pojmenovat, obvykle není užitečný.
Co je rotace?
Otočení os faktorů tak, aby každá proměnná sytila pokud možno jeden faktor. Varimax drží faktory nekorelované, šikmé rotace (Oblimin) korelaci připouštějí.

Vyzkoušejte to na vlastních datech

Statistica na 30 dní zdarma

Plná verze bez platební karty, kompletně v češtině. Nebo si nechte poslat orientační cenu za minutu.

Vyzkoušet 30 dní zdarmaOrientační cena

Vícerozměrné metody

Analýza hlavních komponent (PCA)Shluková analýzaDiskriminační analýzaVšechny pojmy →

Aktualizováno: září 2026.