1 / 74

Açımlayıcı Fa k t ö r Anal izi (AFA)

Açımlayıcı Fa k t ö r Anal izi (AFA). İçerik. Faktör analizi nedir? Varsayımlar İşlemler / Süreç Örnekler Özet. Faktör Analizi Nedir?. Faktör Analizi Nedir? Amacı Geçmişi Tipleri Modelleri. Kim Geliştirdi?. Charles Spearman (1904) tarafından geliştirildi.

camden
Download Presentation

Açımlayıcı Fa k t ö r Anal izi (AFA)

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Açımlayıcı Faktör Analizi (AFA)

  2. İçerik Faktör analizi nedir? Varsayımlar İşlemler / Süreç Örnekler Özet

  3. Faktör Analizi Nedir? Faktör Analizi Nedir? Amacı Geçmişi Tipleri Modelleri

  4. Kim Geliştirdi? Charles Spearman (1904) tarafından geliştirildi. Elle hesaplamanın zorluğundan kurtulmak için geliştirildi. Bilgisayarın kullanılmaya başlanmasından sonra yaygınlaştı

  5. Bir galaksi evren içinde bir faktör gibidir. Birçok değişkenin varyansı onu oluşturan kümelenmiş yapılar ve onların arasındaki korelasyonlarca açıklanabilir.

  6. Faktör Analizinin Kavramsal Modeli FA,ana yapıyı oluşturan kümeleri incelemek için maddeler arasındaki korelasyonları kullanır.

  7. Faktör analizi… Kendi aralarında ilişkileri olan madde kümelerini (yani faktörleri) tanımlarken; Çok değişkenli (multivariate) teknik olarak, değişkenler arasındaki ilişkileri belirlerken; Yaygınlıkla da psikometrik araç geliştirme sürecinde kullanılmaktadır.

  8. Amaçlar Faktör analizi tekniklerinin iki ana kullanım amacı bulunmaktadır: 1. Veri azaltma (Data reduction): Değişkenlerin sayısının daha az sayıda faktöre indirgenmesi 2. Kuram Geliştirme: Değişkenlerin kendi aralarındaki ilişkileri kullanarak yapıyı (structure) tanımlamak

  9. Amaçlar: Veri azaltma Alttaki faktörleri açıklayarak veri yapısını basitleştirir Ölçek geliştirirken * Gereksiz * Belirsizlik içeren * İlgisiz, yapı ile ilişkili olmayan maddelerin elenmesine veya tanımlanmasına yardım eder. Faktör yüklerinin görülmesini sağlar.

  10. Amaç: Teori Geliştirme Teorik modelin içerdiği ilişkili örüntüleri test eder. Mesela saldırganlığı ölçüyorsa «kaç tane saldırganlık faktörü var?» sorusuna cevap bulur.

  11. EFA = Açımlayıcı Faktör Analizi Bir veri kümesinin içerdiği ilişkili temel yapıları inceler ve özetler CFA = Doğrulayıcı Faktör Analizi Bir veri kümesinin temel yapılarını, hipotetik olarak önceden tanımlanmış yapılara uygunluğu bağlamında denetler. Faktör Analizinin İki Modeli vardır:Açımlayıcı ve Doğrulayıcı.

  12. Bu çalışma açımlayıcı faktör analizini konu edinmektedir. Açımlayıcı Faktör Analizi

  13. Kişilik 2, 3 yoksa 5 veya 12 faktörlü müdür? Örneğin«en büyük 5’i?» Nörortisizm Dışadönüklük Tatlılık Açıklık Dürüstlük Örnek: Kişilik kaç faktörlüdür?

  14. Zeka farklı / bağımsız faktörlere ayrılır mı? sözel sayısal kişilerarası gibi… ...yoksa tek bir faktör müdür (G)? Örnek: Zeka kaç bileşenlidir?

  15. Kavramsal model –Basit model 12 madde (ya da değişken) üç faktörde toplanıyor. Faktörler ilişkili maddelerden oluşmaktadır. Faktör 1 Faktör 2 Faktör 3

  16. Örnek: Eysenck’in 3 Kişilik Faktörü İçedönüklük/ Dışadönüklük Nörotisizm Psikotisizm kaygılı gergin yalnız konuşkan bakımsız karamsar sert eğlenceli utangaç sosyal rahat uyumsuz 12 Madde (kişiliğin üç alt boyutu ile ilişkili 4 x 3 = 12 madde)

  17. Faktör analizinin Temel Sorusu: Kaç faktör / bileşen? Tek Faktör? Dokuz Faktör? Üç Faktör?

  18. Soru 1 Basit model Soru 2 Soru 3 Soru 4 Soru 5 Faktör 1 Faktör 2 Faktör 3 Her soru yalnızca bir faktörden yük alır

  19. Soru 1 Kompleks Model Soru 2 Soru 3 Soru 4 Soru 5 Faktör 1 Faktör 2 Faktör 3 Her soru birden fazla faktörden yük alır

  20. İşlem Süreci: EFA Varsayımları Teorik Uygunluk Örneklem büyüklüğü Ölçek seviyesi Normallik Doğrusallık Uç Değerler Faktörlenebilirlik

  21. Teorik uygunluk • Literatürü tara, gözden geçir • Teorik olarak uygun maddeleri kullan. Uymayanları ele.

  22. Örneklem Büyüklüğü Bazı öneriler: Min.: her değişken (madde) için 5 kişi Örnek: 20 madde varsa, en az 100 kişi İdeal: her değişken (madde) için 20 kişi Örnek: 20 madde varsa, idealde have en az 400 kişi Toplam için: N > 200 tercihen

  23. Örneklem Büyüklüğü Comrey and Lee (1992)‘e göre: 50 = Çok düşük, 100 = Düşük, 200 = Uygun, 300 = İyi 500 = Çok iyi 1000+ = Mükemmel

  24. Örneklem Büyüklüğü

  25. Ölçek Düzeyi Bütün değişkenler (maddeler) korelasyonel analizler için uygun olmalıdır. yani eşit aralıklı (interval) ya da eşit oranlı (ratio/metric) ölçek türünde olmalıdır.

  26. Normallik Faktör analizi normallik varsayımları ile hareket eder. Yani sağlıklı bir analiz için değişkenlerin dağılımları normal olmalıdır.

  27. Doğrusallık Faktör analizi değişkenler arasındaki ilişki üzerinde kuruludur. Bu nedenle, tüm değişkenler arasındaki ilişkinin doğrusal olduğu kabul edilir. Uygun yaklaşım bu noktada scatterplot gibi uygulamalarla doğrusallğın test edilmesidir.

  28. Uç Değerler Faktör analizi uç değerlere duyarlıdır. Bu nedenle Uç değerlerin tanımlanması, kaldırılması veya düzeltilmesi gerekir.

  29. Faktörlenebilirlik Maddelerin faktör analizi için uygunluğunun yani faktörlenebiliğinin olması gerekir. Bunun denetlemenin birkaç yolu bulunmaktadır. Korelasyon matriksleri .30’dan büyük mü? Anti-image matriksleri > .50’dan büyük mü? Örneklem uygunluğu testleri (MSAs)? Bartlett’s testi anlamlı mı? KMO değeri .50veya .60’ın üzerinde mi?

  30. Faktörlenebilirlik (Korelasyon Matriksi) Korelasyonlar .30’un üzerinde mi? Öyleyse faktör analizine devam… Tüm maddeler oldukça iyi görünüyor…

  31. Anti-image korelasyon matriksi tablosunda madde eleminasyonu için .50 sınır değer olarak kabul edilir. Düşük değerler, maddenin diğer maddelerle yeterli korelasyonunun olmadığını gösterir. Faktörlenebilirlik:Anti-image Korelasyon matriksi

  32. Anti-Image Korelasyon Matriksi Değerler her maddenin diğer maddelerle korelasyonunun yeteri kadar iyi olduğunu (>,50) gösteriyor. Bu faktörlenebilirliğin göstergesidir.

  33. Bütünsel tanılayıcı göstergelerdir ve şu durumlarda korelasyon matriklerinin uygunluğunu gösterir: Bartlett’s küresellik testi anlamlı olmalıdır ve/veya Kaiser-Mayer Olkin (KMO) değeri ,50, tercihen ,60’dan büyük olmalıdır. Bu yol (Bartlett’s ve KMO) en hızlı ama en az güvenilir yoldur. Faktörlenebilirlik: Örneklem Yeterliği Ölçümleri (Measures of sampling adequacy)

  34. FaktörlenebilirlikBartlett’s ve KMO

  35. Basamaklar / Süreç 1. Faktörlenebilirlik hipotezlerini test et 2. Analiz türünü (PCA, PAF vb.) belirle 3. Faktör sayısını belirle (Eigen değeri, Scree plot, Açıklanan toplam varyans) 4. Maddeleri seç(faktör yüklerini kontrol et, hangi maddenin hangi faktöre girdiğini incele, gerekiyorsa eleminasyona git) 5. Faktörleri tanımla ve isimlendir 6. İçsel güvenirlikleri hesapla

  36. Açımlayıcı FA’nin Türleri: Çıkarım (Extraction)Yöntemi: Principals Components ve vs. Principal Axis Factoring EFA iki ana yaklaşım içerir: Tüm varyanslarla yapılan Temel Bileşenler Analizi (Principle Components - PC) Ortak varyansla yapılan: Temel Eksen Faktör Analizi Principle Axis Factoring (PAF)

  37. Temel Bileşenle Analizi (PC) Daha yaygındır. Daha pratiktir. Diğer analizlerde kullanmak üzere puan hesaplamak ve verileri azaltmak için kullanışlıdır. Tüm maddeler için varyansların tamamı analize girer.

  38. Temel Eksen Faktör Analizi (PAF) Daha az yaygındır Daha kuramsaldır. Sadece ortak (shared) varyansları kullanır (Yani özgül varyanslar dışlanır)

  39. Total variance of a variable Principal Components (PC) Temel Eksen Faktör Analizi (PAF)

  40. Bu iki prosedürün çözümleri arasında biraz farklılık vardır. Eğer emin değilsek her iki yöntemle verilerin denetlenmesi uygun olur. PC ve PAF

  41. Ortak Yükler (Communalities) Her değişkenin (maddenin) bir ortak varyansı bulunmaktadır. Bu değer 0 ila 1 arasında değişir. PCA ve PAF yaklaşımlarında farklı ortak yük anlayışı tabloya yansır.

  42. Yüksek Ortak Yükler (>.50): Çıkan faktörler, analize alınan maddelerin varyansın daha fazlasını açıklamasına neden olur. Düşük Ortak Yükler (<.50): Değerler düşükse yorumu zor daha fazla faktör çıkabileceğini kabul et ya da bu maddeyi elemeyi düşün. Ortak Yükler

  43. Ortak yükler

  44. Açıklanan Varyans İyi bir faktöryel çözümlemede en az sayıda faktörle en yüksek varyansın açıklanması beklenir. Gerçekçi olmak gerekirse, toplam varyansın %50-75’ini açıklayan bir analiz mutluluk vericidir 

  45. Açıklanan Toplam Varyans 3 faktör toplam varyansın %74.8’ünü açıklıyor – çok iyi !

  46. Eigen Değeri (Özdeğer)(Korelasyonların kareleri toplamı) Her faktörün bir eigen değeri vardır. Eigen değeri her faktörün açıklama gücünü gösterir Ardışık olarak sıralanan faktörler için eigen değeri giderek düşer. Genel olarak: Kaiser kriterlerine göre 1’in üzerindeki eigen değerleri «kararlı» kabul edilir. Eigen değeri yüzde (%) olarak da ifade edilebilir. Tüm eigen değerlerin toplamı madde sayısını verir.

  47. Eigen Değeri (Özdeğer) Bir analizde tüm faktörler kullanılmaz. Eigen değerleri (eigenvalues) büyük olan faktörler kullanılmalıdır. (Eigenvalue kabaca iki değişken arasındaki korelasyonu gösterir. Korelasyon varsa dış sınırlar elipse benzer.) y y x x

  48. Açıklanan Varyans Eigen değeri .21ile 9.55 arasında değişiyor. Üç faktörün eigen değeri 1’in üzerinde.

  49. Scree plot Eigen değerinin grafik gösterimidir. Her faktörün açıkladığı varyans miktarını gösterir. Kırılma noktaları arasındaki değişim dikkate alınır. İlk faktör en yüksek varyansı açıklar. En son faktör en düşük varyansı açıklar.

  50. Scree plot 2 veya 3 faktör

More Related