1. Bu site çerezler kullanır. Bu siteyi kullanmaya devam ederek çerez kullanımımızı kabul etmiş olursunuz. Daha Fazla Bilgi.

Spss'de faktör analizi nasıl yapılır? faktör analizi yorumu

'İstatistiksel Yazılımlar' forumunda statist tarafından 7 Kasım 2017 tarihinde açılan konu

  1. statist

    statist Moderator

    Faktör analizi temel amacı boyut indirgemek (diğer bir ifade ile değişken sayısını azaltmak) ve değişkenleri sınıflamaktır.

    Faktör analizi yapabilmek için öncelikle verileri SPSS programına giriyoruz.

    faktör_analizi_veri.png

    Veri girişini sağladıktan sonra faktör analizine geçebiliriz. Faktör analizindeki temel varsayımların sağlandığını düşünerek faktör analizini gerçekleştiriyoruz.

    Faktör analizine başlamadan önce faktör analizini uygulayabilmek için korelasyonların yeterli büyüklükte olması gerekir. Eğer korelasyon matrisinde 0,30’un altında çok fazla korelasyon katsayısı sayısı varsa bu veriye faktör analizi uygulamak doğru olmayacaktır.

    Analyze -> Dimension Reduction -> Factor... ile faktör analizi penceresi açılır.

    faktör_analizi_menu.png

    Faktör analizi yapılacak değişkenleri seçtikten sonra Descriptives... menüsü altından KMO and Bartlett's test of sphericity kutucuğu tıklanır. Bu kutu Kaiser-Meyer-Olkin örneklem yeterliği ölçüsü ve Bartlett küresellik testi sonuçlarını bize vermektedir. KMO bize örneklem büyüklüğünün yeterli olup olmadığı hakkında bilgi verirken Bartlett testi ise korelasyon matrisinin birim matrisden farklı olup olmadığı sonucunu verecektir.

    faktör_analizi_kmo.png

    Bu testin sonuçlarına göre KMO 0.8 olarak hesaplanmıştır ve örneklem genişliği yeterlidir. KMO değeri 0.7'den büyükse bizim için yeterli örneklem genişliği olduğu söylenebilir. Eğer KMO değeri 0.5'den az ise örneklem büyüklüğü artırılmalıdır. Bartlett testine göre p<0.001 olduğundan korelasyon matrisinin birim matris olmadığı görülmektedir.

    Kmo_sonuc.png
    Kısmı korelasyonlar, korelasyon matrisinin tersi vs. ölçütler bu yazıda irdelenmeyecektir.

    Faktör analizi yapılırken elde edilecek faktör yükleri (faktör yükleri) temel bileşenler yöntemi (principal component method), temel eksen faktörleştirme yöntemi (principal axis factoring), görüntü faktörleştirme yöntemi (image factoring) gibi yöntemler yardımıyla hesaplanmaktadır.

    Bazı kaynaklar temel bileşenler yöntemini temel bileşenler analizi olarak da ele almakta ve faktör analizinin içine dahil etmemektedir. Bu yazıda temel bileşenler yöntemi ile faktör analizi yapılacaktır.

    Analyze -> Dimension Reduction -> Factor... ile faktör analizi penceresini açmıştık şimdi de Extraction kutucuğunu tıklayalım. Method kısmından yukarıda bahsedilen diğer yöntemlere göre faktör analizi gerçekleştirilebilir.

    Faktör_spss_detay.png

    Analyze bölümünde korelasyon matrisi veya kovaryans matrisine göre faktör analizi yapma seçeneği yer almaktadır. Korelasyon matrisi ile devam edebiliriz.

    Display kımından Scree Plot grafiğini işretliyoruz. Şimdilik Extract kısmı ile oynamıyoruz. İterasyon sayısı da (25) bizim için yeterli.

    Analizimizi gerçekleştiriyoruz.

    Faktör_spss_sonuc.png

    İlk tabloda özdeğerler yer almaktadır. Özdeğerler sırasıyla 5.096, 1.053, 0.977, 0,698,... gibi devam etmektedir. Varyans açıklama yüzdeleri de 63.69, 76.86, 89.07,97.79, ... diye devam etmektedir.

    Kaç faktör alacağız?

    Bu konuda bazı yaklaşımlar vardır.

    Kaiser ölçütü
    Ezbere olarak özdeğeri 1'den yüksek olanları alın yani 2 faktör. Peki 0.977 sınırda yazık değil mi?

    Varyans açıklama yüzdesi
    Toplam varyans 2/3'den büyükse yeterlidir.Yani 2 faktör. Peki açıklama yüzdesi 0.977 olsa daha iyi olmaz mı?

    Horn'un paralel analizi, scree plot, vs. yaklaşımlarda mevcuttur.

    Gelelim faktör yüklerine Birinci bileşen 1, 2,4,5,6,8 ikinci bileşen 3 ve 7. değişken tarafından açıklanıyor. Açıklanıyor ama biraz eksik. Çünkü 3. bileşenin yükü 0.699 7. bileşenin yükü 0.691 biraz az o zaman döndürme yapalım.

    Analyze -> Dimension Reduction -> Factor... ile faktör analizi penceresini açtıktan sonra Rotation kutucuğunu tıklayalım.

    Faktör_spss_rotation.png

    Biz Varimax döndürmesi yaptık siz diğer döndürmeleri de deneyebilirsiniz. Hangi sonuç daha iyi çıkarsa onu kullanabilirsiniz.

    Faktör_spss_rotation_sonuc.png
    Sonuçlar gene yeteri kadar iyi değil. Gene 3. ve 7. faktör yükleri düşük peki ne yapalım? Bir faktör daha alsak nasıl olur?

    Biraz önce Extract kısmıyla oynamamıştık. İster özdeğer alt sınırı düşürüp, istersek de Fixed number of factors ile 3 faktör al şeklinde tanımlayabiliriz.

    Faktör_spss_detay.png

    Varimax döndürmesi ile sonuçlar:

    Faktör_rotation_sonuc.png
    Sonuçlar daha iyi oldu 3. değişken aslında ikinci değil 3. bir bileşene gitmesi gerekiyormuş. Böylece 7. değişken de ikinci bileşende daha net gözüktü. Diğer bileşenler ise ilk faktörde kaldı...

    Faktör_scree_plot.png
    Scree plot yardımıyla da kırılmanın diz yaptığı yerde 2 bileşen bizim için yeterlidir diyebiliriz. Ancak üç bileşen ile sonuçların daha iyi çıktığını da göz ardı etmemek lazım.
     
    Tags:

Bu Sayfayı Paylaş

Yükleniyor...