Comme de nombreuses méthodes rencontrées par ceux qui étudient la psychologie, l’analyse factorielle a une longue histoire.
Le principal objectif de l’analyse factorielle est de distiller un grand ensemble de données en un ensemble de connexions ou de facteurs significatifs.
Elle a été initialement discutée par le psychologue britannique Charles Spearman au début du XXe siècle et a été utilisée non seulement en psychologie, mais aussi dans d’autres domaines qui s’appuient souvent sur des analyses statistiques,
Mais qu’est-ce que c’est, quels sont quelques exemples concrets, et quels sont les différents types ? Dans cet article, nous répondrons à toutes ces questions.
Qu’est-ce que l’analyse factorielle et que fait-elle ?
Le principal objectif de l’analyse factorielle est de distiller un grand ensemble de données en un ensemble de connexions ou de facteurs. Dr. Jessie Borelli, PhD, qui travaille à l’Université de Californie à Irvine, utilise l’analyse factorielle dans ses travaux sur l’attachement.
Elle réalise des recherches qui examinent comment les gens perçoivent les relations et comment ils se connectent les uns aux autres. Elle donne l’exemple d’un questionnaire hypothétique contenant 100 éléments et utilise l’analyse factorielle pour explorer plus en profondeur les données.
“Donc, au lieu de regarder chaque élément individuel séparément, je préfère dire : ‘Y a-t-il une manière dont ces éléments se regroupent ou s’associent afin que je puisse… créer des unités d’analyse qui sont plus grandes que les éléments individuels.’
L’analyse factorielle cherche à identifier des modèles où il est supposé qu’il existe déjà des connexions entre des domaines des données.
Un exemple où l’analyse factorielle est utile
Un exemple courant d’analyse factorielle est lorsque vous prenez quelque chose de difficilement quantifiable, comme le statut socio-économique, et l’utilisez pour regrouper des variables fortement corrélées telles que le niveau de revenu et les types d’emplois.
L’analyse factorielle n’est pas seulement utilisée en psychologie, mais est également déployée dans des domaines comme la sociologie, les affaires, et la technologie, y compris l’apprentissage automatique.
Types d’analyse factorielle
Il existe deux types d’analyse factorielle qui sont le plus souvent évoqués : l’analyse factorielle exploratoire et l’analyse factorielle confirmatoire.
Types d’analyse factorielle
Voici les deux types d’analyse factorielle :
- Analyse exploratoire : L’objectif de cette analyse est de trouver des motifs généraux dans un ensemble de points de données.
- Analyse factorielle confirmatoire : L’objectif de cette analyse est de tester diverses relations hypothétiques entre certaines variables.
Analyse exploratoire
Dans une analyse exploratoire, vous adoptez une attitude un peu plus ouverte en tant que chercheur, car vous utilisez ce type d’analyse pour apporter une certaine clarté dans votre ensemble de données que vous n’avez pas encore trouvée. C’est une approche que Borelli utilise dans ses propres recherches.
Analyse factorielle confirmatoire
En revanche, si vous utilisez une analyse factorielle confirmatoire, vous vous appuyez sur les hypothèses ou découvertes théoriques que vous avez déjà identifiées pour développer votre modèle statistique.
Contrairement à l’analyse factorielle exploratoire, où les relations entre les facteurs et les variables sont plus ouvertes, une analyse factorielle confirmatoire exige que vous sélectionniez les variables que vous testez. Selon les mots de Borelli :
“Lorsque vous faites une analyse factorielle confirmatoire, vous indiquez à votre programme analytique à quoi vous pensez que les données devraient ressembler, en termes de, ‘Je pense qu’il devrait y avoir ces deux facteurs et voici comment je pense qu’il devrait apparaître.’
Avantages et inconvénients de l’analyse factorielle
Examinons les avantages et les inconvénients de l’analyse factorielle.
Avantages
Un principal avantage de l’analyse factorielle est qu’elle permet aux chercheurs de réduire le nombre de variables en les combinant en un seul facteur.
Vous pouvez analyser moins de points de données
Lors de la réponse à vos questions de recherche, il est beaucoup plus facile de travailler avec trois variables plutôt que trente, par exemple.
Inconvénients
Les inconvénients incluent le fait que l’analyse factorielle repose sur la qualité des données et peut également permettre différentes interprétations des données.
Par exemple, lors d’une étude, Borelli a découvert qu’après avoir déployé une analyse factorielle, elle se retrouvait avec des résultats qui ne s’alignaient pas bien avec ce qui avait été trouvé dans des centaines d’autres études.
En raison de la nature de l’échantillon étant nouveau et plus culturellement diversifié que d’autres explorés, elle a utilisé une analyse factorielle exploratoire qui lui a laissé plus de questions que de réponses.
Comment l’analyse factorielle est-elle utilisée en psychologie ?
L’objectif de l’analyse factorielle en psychologie est souvent de créer des connexions qui permettent aux chercheurs de développer des modèles avec des facteurs communs de manière à ce qui pourrait être difficile voire impossible à observer autrement.
Par exemple, l’intelligence est un concept difficile à observer directement. Cependant, elle peut être inférée à partir de facteurs que nous pouvons mesurer directement sur des tests spécifiques.
L’analyse factorielle a souvent été utilisée dans le domaine de la psychologie pour nous aider à mieux comprendre la structure de la personnalité.
Cela est dû à la multitude de facteurs que les chercheurs doivent prendre en compte lorsqu’il s’agit de comprendre le concept de personnalité. Ce domaine de recherche sur la personnalité n’est certainement pas nouveau, avec des recherches facilement retrouvables datant de 1942 reconnaissant son pouvoir dans la recherche sur la personnalité.
