हॉर्न के समांतर विश्लेषण का एक नया दृष्टिकोण, ऑर्डिनल वेरिएबल्स के साथ।

पिछले शोध ने हॉर्न के समांतर विश्लेषण (पीए) फैक्टर रिटेंशन विधि के प्रदर्शन का मूल्यांकन ऑर्डिनल वेरिएबल्स के साथ किया है, जिसने अप्रत्याशित निष्कर्ष प्रस्तुत किए हैं। विशेष रूप से, पियर्सन सहसंबंधों के साथ पीए ने अधिकतम रूप से उपयुक्त पोलिकोरिक सहसंबंधों के साथ पीए के मुकाबले समान रूप से या बेहतर प्रदर्शन किया है। इन निष्कर्षों को स्पष्ट करने के लिए, वर्तमान अध्ययन ने डेटा से संबंधित 7 कारकों (नमूना आकार, फैक्टर लोडिंग, प्रति फैक्टर वेरिएबल्स की संख्या, कारकों की संख्या, फैक्टर सहसंबंध, प्रतिक्रिया श्रेणियों की संख्या, और खींचाव) के साथ-साथ पीए विधि से संबंधित 3 कारकों (सहसंबंध मैट्रिक्स का प्रकार, निष्कर्षण विधि, और ईगेनवैल्यू पर्सेंटाइल) का व्यवस्थित रूप से हेरफेर शामिल करते हुए एक अधिक समग्र सिमुलेशन अध्ययन किया। सिमुलेशन अध्ययन के परिणाम दिखाते हैं कि पियर्सन या पोलिकोरिक सहसंबंधों के साथ पीए विशेष रूप से नमूना आकार, फैक्टर लोडिंग, प्रति फैक्टर वेरिएबल्स की संख्या, और फैक्टर सहसंबंधों के प्रति संवेदनशील है। हालाँकि, जबकि पोलिकोरिक के साथ पीए ऑर्डिनल वेरिएबल्स के खींचाव के प्रति अपेक्षाकृत मजबूत है, पियर्सन सहसंबंधों के साथ पीए अक्सर कठिनाई कारकों को बनाए रखता है और बड़े स्तर के खींचाव के साथ सामान्यतः गलत होता है। इन निष्कर्षों के आलोक में, हम ऑर्डिनल-स्तरीय डेटा के आयाम मापन के लिए पोलिकोरिक सहसंबंधों के साथ पीए के उपयोग की सिफारिश करते हैं।