Esercitazione — Gruppo A: EFA

Test per le organizzazioni - A.A. 2025/2026

# carico pacchetti e dati
library(MASS); library(psych); library(corrplot)
library(kableExtra); library(lavaan); library(semPlot)

load("data/uwesmix.rda")

1 Il questionario

Questionario sul benessere lavorativo, 9 item su scala 0–6 (mai → sempre).

Codice	Testo dell’item
I1	Il mio lavoro è ricco di significato e di scopo
I2	Sono felice quando lavoro con grande intensità
I3	Al mio lavoro mi sento pieno/a di energia
I4	Quando mi sveglio la mattina ho voglia di andare al lavoro
I5	Sono entusiasta/o del mio lavoro
I6	Quando lavoro mi dimentico di tutto quello che succede intorno a me
I7	Il mio lavoro mi ispira
I8	Al lavoro mi sento forte e vigoroso/a
I9	Il tempo vola quando lavoro

Prima di proseguire

Leggete tutti gli item e annotatele la vostra ipotesi:

• Quante dimensioni individuate nel testo?
• Quali item appartengono a ciascuna?
• Le dimensioni sarebbero correlate o indipendenti?

Annotate l’ipotesi adesso. La confronterete con i dati alla fine.

---

2 Dati: descrittive e correlazioni

describe(uwesmix)[, c("n","mean","sd","median","skew","kurtosis")] |>
  round(3) |>
  kable(col.names = c("N","Media","DS","Mediana","Asimmetria","Curtosi"),
        caption = "Statistiche descrittive") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE)

Statistiche descrittive

	N	Media	DS	Mediana	Asimmetria	Curtosi
I1	400	3.090	1.390	3	0.091	-0.303
I2	400	2.997	1.433	3	-0.047	-0.549
I3	400	3.100	1.405	3	-0.004	-0.383
I4	400	3.062	1.392	3	-0.122	-0.319
I5	400	3.057	1.426	3	0.013	-0.607
I6	400	3.102	1.394	3	0.045	-0.516
I7	400	3.053	1.384	3	-0.031	-0.297
I8	400	3.018	1.355	3	0.017	-0.414
I9	400	3.010	1.463	3	0.213	-0.444

Consiglio

Che tipo di variabili stiamo utlizzando? Come le descrivereste?

R_pol <- polychoric(uwesmix)$rho
corrplot(R_pol, method="shade", type="lower", diag=TRUE,
         tl.cex=0.85, tl.col="black",
         title="Correlazioni policoriche — 9 item",
         mar=c(0,0,2,0), addgrid.col="white")

Consiglio

Ci sono degli item che correlano di più e altri di meno? o tutti correlano allo stesso modo (più o meno)?

---

3 Analisi fattoriale esplorativa

3.1 Numero di fattori

fa.parallel(uwesmix, cor = "poly", fa = "fa",
            main = "Parallel Analysis — 9 item")

Consiglio

Quanti fattori suggerisce la parallel analysis? Kaiser e scree plot concordano? Se no, come decidete?

3.2 Stima EFA

efa1 <- efa(data = uwesmix,
            nfactors  = 1, #modificate (se volete) in base al Passo 1
            rotation = "oblimin", # perchè?
            ordered   = TRUE) # perchè?
summary(efa1, fit.measures = TRUE) # interpretate

Cosa potete dire di questo output?

Come sono gli indici di fit?

3.3 Confronto con soluzione alternativa

efa2 <- efa(data = uwesmix,
            nfactors  = 1, #modificate (se volete) 
            rotation = "oblimin", # perchè?
            ordered   = TRUE) # perchè?
summary(efa2, fit.measures = TRUE) # interpretate

---

Per la presentazione

1. Quanti fattori avete estratto? I criteri concordavano?
2. I fattori emersi corrispondono all’ipotesi che avevate fatto leggendo gli item?
3. Come chiamereste i fattori sulla base degli item che caricano su ciascuno?
4. Ci sono cross-loadings alti? Quali item e perché, guardando il testo?
5. Le correlazioni tra fattori sono alte o basse? Cosa implicano?