Effect of influential cases on factor analysis results

Abstract

When performing regression analysis, one way to examine the normality of data is to screen outliers. Outliers, on the other hand, do not always have an effect on regression results. In reality, cases with a large amount of residuals that affect regression analysis results are referred to as influential cases. It is important to detect them in the dataset because they can lead to erroneous conclusions. The influence of influential cases has already gotten a lot of attention in the regression literature, while it has gotten a lot less attention in factor analysis. The aim of this paper is to show how influential cases affect factor analysis results when they are detected using the Forward Search algorithm. The data was collected from 686 university students ranging in age from 17 to 30. The data was gathered using the Self-Regulation Scale (SRS). The results revealed that the removal of influential cases had an effect on the observed correlation matrice for the SRS items, the factorability results, the number of dimensions extracted, CFA fit indices, and the amount of factor loadings and associated errors. Later, in light of related literature, these results were discussed and the researchers were recommended to consider the effect of influential when applying factor analysis.

Regresyon analizi gerçekleştirirken verilerin normalliğini araştırmak için uç değerlerin incelenmesi kullanılan yaklaşımlardan bir tanesidir. Gerçekte ise, uç değerlerin regresyon sonuçları üzerinde etkili olması bir gereklilik değildir. Aslında, regresyon analizi sonuçlarını etkileyen gözlemler, büyük miktarda artık barındıran etkili vakalar olarak adlandırılır. Veri setinde yanıltıcı sonuçlara yol açabilecek yüksek artık içeren gözlemleri tespit etmek önemlidir. Etkili vakaların etkisi, regresyon alan yazını hâlihazırda dikkat çekmişken faktör analizinde ise daha az vurgulanmıştır. Gerçekleştirilen bu çalışmanın amacı, ileri arama algoritması kullanılarak etkili durumlar belirlendiğinde bu vakaların faktör analizi sonuçları üzerindeki etkilerini göstermektir. Veriler, yaşları 17 ile 30 arasında değişen 686 üniversite öğrencisinden toplanmıştır. Çalışmada veri toplama aracı olarak Öz Düzenleme Ölçeği (ÖDÖ) kullanılmıştır. Sonuçlar, etkili vakaların veri setinden kaldırılmasının ÖDÖ maddeleri için gözlemlenen korelasyon matrisini, faktörlenebilirlik sonuçlarını, çıkarılan boyutların sayısını, doğrulayıcı faktör analizi uyum indekslerini ve faktör yüklerinin miktarını ve yüklere ait hataları etkilediğini ortaya koymuştur. Bu bulgular daha sonra ilgili alanyazın kapsamında tartışılmış ve araştırmacılar faktör analizi gerçekleştirirken etkili vakaların etkilerini dikkate almaları önerilmiştir.