faktoranal zis az spss ben n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Faktoranalízis az SPSS-ben PowerPoint Presentation
Download Presentation
Faktoranalízis az SPSS-ben

Loading in 2 Seconds...

play fullscreen
1 / 27

Faktoranalízis az SPSS-ben - PowerPoint PPT Presentation


  • 313 Views
  • Uploaded on

Faktoranalízis az SPSS-ben. = Adatredukciós módszer. Petrovics Petra Doktorandusz. Feladat Megnyitás: faktoradat_msc.sav. Forrás: Sajtos-Mitev 250.oldal. Fogyasztók materialista vonásai ( Richins-skála ). Faktoranalízis folyamata. Feltáró = új faktorok létrehozására

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Faktoranalízis az SPSS-ben' - clarke-stephenson


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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
faktoranal zis az spss ben

Faktoranalízis az SPSS-ben

= Adatredukciós módszer

Petrovics Petra

Doktorandusz

feladat megnyit s faktoradat msc sav
FeladatMegnyitás: faktoradat_msc.sav

Forrás: Sajtos-Mitev

250.oldal

Fogyasztók materialista vonásai (Richins-skála)

slide4

Feltáró = új faktorok létrehozására

  • Megerősítő (konformatikus)

= modell tesztelésére, bizonyítására

Szubjektív

slide5

Elemzés érvényessége, változók alkalmassága

  • Metrikus változók / Dummy változók
  • A változók eloszlása normális

Analyze / Regression / Linear / Plots… / Histogram

Stb.

slide6

Homoszkedaszticitás

Analyze / Regression / Linear / Plots… /

Scatterdot…

Stb.

slide7

Analyze / Correlate/ Bivariate

  • Multikollinearitás – korrelációs mátrix

Stb.

slide8

Nagyobb minta

  • „Minta elemszáma / változók száma” arány

Min. 10-szer több válaszadó, mint változó

slide9

Korrelációs mátrix

Erős korreláció, de nem túl erős

Analyze / Data Reduction / Factor / Descriptives

Az értékek 75%-a szignifikáns.

slide10

Anti-image mátrix

„nem magyarázott szórásnégyzet”

Analyze / Data Reduction / Factor / Descriptives

  • Anti-image kovariancia mátrix
  • Anti-image korrelációs mátrix
  • ~ korrelációs mátrixának átlóbeli értékei függnek:
  • Mintanagyság
  • Változók száma
  • Korrelációk átlagos mértéke
  • Faktorok száma
slide11

Kis érték (0,09 alatt az esetek min. ¾-ében)– a variancia független a többitől

 nincs szoros kapcsolat

MSA (Measure of SamplingAdequecy)

Mennyire van szoros kapcsolatban a többi változóval

 0,5 alattit kizárni

Itt: 0,67-0,87

Anti-image mátrix

slide12

c) Bartlett teszt

H0: nincs korreláció

H1: van korreláció

Analyze / Data Reduction / Factor / Descriptives

slide13

Kaiser-Meyer-Olkin kritérium

MSA értékek átlaga (összes változóra)

Analyze / Data Reduction / Factor / Descriptives

slide14

Analyze / Data Reduction / Factor / Extraction

Ha a változók száma magas

(sajátérték sorrendjében magyaráz)

Nem kell ismerni az eloszlást

DE: standardizálni

Ha az anti-image mátrix átlójában levő elemek 1-hez, az azon kívüliek pedig 0-hoz közelítenek

Ha a változók száma nő: maximum-likelihood, alfa, image módszer

slide15

Kaiser kritérium: ha 1 alatti a sajátérték, kevesebb információt hordoz a faktor, mint 1 változó

 Ha 20-50 változónk van

Egy faktor által az összes változó varianciájából magyarázott variancia

A priori információk alapján

3

Minél magasabb varianciahányadot tudunk magyarázni, annál, több információ marad meg az elemzés során

 3. Varianciahányad-módszer

slide16

Output

3. Varianciahányad-módszer

Faktorelemzés után

1-nél nagyobb sajátérték!

Ahány kiinduló változónk volt

Csökkenő sorrend

Magyarázott variancia %-a

(Min. 60% kell)

Faktorok száma

slide17

4. Screeplot

Sajátérték ábrázolása

5-6 faktor

Könyökkritérium: ahol az egyenes meredeksége megváltozik

slide18

Maximum likelihood módszer

~ H0 : illeszkedik

H1: nem illeszkedik

0,1 feletti α esetén jól illeszkedik

5

6

4 faktor 5 faktor 6 faktor

slide20

= A faktorok tengelyeinek elforgatása úgy, hogy egyszerűbb és értelmezhetőbb faktormegoldásokat kapjunk.

Térben is látni

slide21

KMO&Bartlett

PrincipalComponents; faktorok száma (4)

Varimax

Faktorok mentése:

FactorAnalysis / Scores

output
Output

érvényesség

Kezdeti érték

Mindig 1 (ha PrincipalComp.)

Egy változó varianciájának mekkora részét magyarázza az összes faktor

(faktorsúlyok négyzetösszege)

Hüvelykujjszabály: min. 0,25

output1
Output

Faktorszám meghatározása

Kezdeti értékek

slide26

Ne fogadjuk el az első megoldást:

  • Több rotációs eljárás
  • Változók elhagyása (alacsony faktorsúly)
  • Keresztérvényesség-vizsgálat

A mintát 2 véletlenül kiválasztott részre osztjuk - faktorelemzés