Zasoby zmienności wspólnej niekiedy nazywane komunalnością (z ang. Communality) – w kontekście Eksploracyjnej Analizy Czynnikowej (EFA) jest miarą, która określa, w jakim stopniu zmienna obserwowalna jest wyjaśniana przez czynniki latentne w modelu.

Komunalność wskazuje, jaka część wariancji (rozumiana analogicznie jak R-kwadrat) danej zmiennej jest wspólna z innymi mierzonymi zmiennymi w naszym modelu, co odzwierciedla stopień, w jakim czynnik (lub czynniki) tłumaczą zmienność obserwowaną w danej zmiennej. Innymi słowy, komunalność pozwala nam wyjaśnić jak dobrze zmienna (wskaźnik) jest wyjaśniana przez wyodrębnione czynniki w naszej analizie czynnikowej.

Komunalność dla każdej pozycji (wskaźnika) wyliczana jest indywidualnie i waha się w przedziale wartości od 0 do 1. Wartość 0 oznacza, że czynnik nie wyjaśnia żadnej wariancji naszego wskaźnika, podczas gdy wartość 1 oznacza, że cała wariancja zmiennej jest wyjaśniana przez czynniki. Jednakże uzyskanie wartości równej 1 jest mało prawdopodobne, gdyż oznaczałoby to, że czynnik lub czynniki wyjaśniają nam nasz wskaźnik (np. zachowanie badanego) w 100%, czyli nie popełniamy żadnego błędu pomiaru.

Interpretacja komunalności powinna odbywać się w kontekście innych pozycji testowych, gdyż wszelkie progi minimalnej wartości są arbitralne i zależne od badacza. Np. Mając 10 pozycji testowych, w których dla dziewięciu komunalność jest powyżej 0,50, a dla jednej wynosi 0,10, możemy uznać, że ta jedna pozycja zbyt słabo jest wyjaśniana przez nasze wyodrębnione czynniki, co prowadzi nas to wniosku o konieczności jej odrzucenia.

Ponieważ nie przyjmuje się rygorystycznych progów dla komunalności dla oceny jej dobroci, co po co ona jest? Otóż służy ona nam jako element niezbędny do wyliczenia oczekiwanej wielkości próby w eksploracyjnej analizie czynnikowej. Watkins (2021) podaje w swoim podręczniku przykład, że wzrost oczekiwanej komunalności, czyli stopnia w jakim zmienne latentne wyjaśniają nam zmienne jawne, znacząco obniża nam się wielkość próby. Przy czym należy także uwzględniać liczbę zmiennych latentnych, jak i zmiennych jawnych.

Komunalność jest istotnym elementem w analizie czynnikowej, który pozwala ocenić, jak dobrze czynniki wyjaśniają zmienność zmiennych obserwowalnych. Jest kluczowa dla oszacowania minimalnej oczekiwanej próby w EFA oraz pomaga w podejmowaniu decyzji dotyczących struktury modelu.

Literatura:

Watkins, M. W. (2021). A step-by-step guide to exploratory factor analysis with SPSS. Routledge.