Tabella 3.7 – Autovalori e percentuale di varianza spiegati dai quattro fattori ottenuti dalla PCA in uno studio sulle app educative (Papadakis et al., 2020, p. 5/10).
Gli autori riportano due tabelle (Tabella 3.8 e 3.9). La prima presenta i valori della struttura fattoriale con i loading (che ricordiamo essere i valori di correlazione fra le variabili osservate e i fattori individuati) calcolati dopo la rotazione VARIMAX. La tabella contiene anche i valori dell’α di Cronbach calcolato per ciascun fattore per indicare il grado di consistenza interna delle sotto-scale. Dei tredici item individuati, tutti i valori dei coef1cienti fattoriali sono più alti di 0,651. I primi due fattori raccolgono 4 variabili osservate, il terzo 2 e il quarto 3. I valori dell’α di Cronbach, tutti più alti di 0,73, risultano accettabili. La seconda tabella mostra le correlazioni fra i fattori. Alcune risultano essere signi1cative. Questo dovrebbe meravigliarci perché abbiamo parlato della necessità dei fattori di essere indipendenti fra loro. Tuttavia vediamo (e anche gli autori dello studio lo sottolineano) che i costrutti individuati dai fattori sono ancora legati fra loro: l’ef1cacia è infatti legata all’usabilità e al parental control.
Negli articoli scienti1ci che descrivono procedure di ricerca legate alla validazione delle scale, come questo appena presentato, ritroviamo uno schema simile e ricorrente. Gli autori:
validano la fattoriabilità delle variabili mostrando le correlazioni fra di esse e i risultati dai test di Bartlett e Kaiser-Meyer-Olkin (KMO);
de1niscono il criterio di estrazione dei fattori e di scelta del numero dei fattori (aggiungendo spesso il plot dello scree test);
de1niscono il criterio di rotazione utilizzato;
forniscono la percentuale di varianza spiegata dal modello aggiungendo frequentemente tabelle sulla varianza cumulata e sui pesi fattoriali;
riportano il valore del coef1ciente α di Cronbach per l’intera indagine o per le singole scale individuate.