Temel Bileşenler ve Faktör Analizi – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
ANALİZ KURULUMU: KAPPA
Çocuk suçlu derecelendirmelerini açın ve ana menüden Analiz Et ➔ Tanımlayıcılar ➔ Çapraz Tablolar’ı seçin; bu, gösterilen Çapraz Tablolar ana iletişim penceresini oluşturur. Puanlayıcı1’i isteğe bağlı olarak Satır(lar) paneline ve puanlayıcı2’yi Sütun(lar) paneline taşıdık.
Çapraz Tablolar prosedürünün daha kapsamlı bir şekilde ele alınması Bölüm 63’te tartışılmaktadır. Bununla birlikte, biz sadece çıplak kappa istatistiğinden fazlasını elde etmek istiyoruz. İstatistikler düğmesinin seçilmesi, gösterilen İstatistikler iletişim penceresini açar. Koğuşlara kategori atamalarında değerlendiriciler arasında hiçbir ilişki olmadığına dair boş hipotezin bir testini sağlamak için Ki-kare’yi seçiyoruz ve Kappa’yı seçiyoruz çünkü bu analizin amacı bu.
Hücreler düğmesinin seçilmesi, gösterilen Hücre Görüntüleme iletişim penceresini açar. Değerlendiricilerin kategorilere nasıl totemler atadıklarına dair bir fikir edinmek için Sayımlar altında hem Gözlenen hem de Beklenen’i kontrol ederiz. Bunlar sırasıyla, kategori atamalarına karşılık gelen gerçek oranlayıcı frekanslarını ve sıfır hipotezine dayalı olarak beklenen frekansları sağlar. Ana iletişim penceresine dönmek için Devam’ı seçin ve analizi gerçekleştirmek için Tamam’a tıklayın.
ANALİZ ÇIKTIĞI: KAPPA
Frekans Çapraz Tablosu, üst tablosunda gösterilmektedir. Her iki değerlendirici de tesis arazisinde tutulması ve topluluk içinde çalışmasına izin verilmemesi gerektiğine inandıkları 20 koğuşta anlaştılar; her iki değerlendirici de topluluk içinde çalışmak üzere tesisten ayrılmalarına izin verilebilecek 30 koğuşta anlaştılar. Ölçerimiz olarak basit puanlayıcı anlaşma yüzdesini kullanıyor olsaydık, 56 servisten 50’si bu puanlayıcılar tarafından 50/56 veya yaklaşık %89.3’lük bir puanlayıcı anlaşma yüzdesi için aynı şekilde değerlendirildi.
Sıfır hipotezinin ki-kare testi alt tabloda gösterilmiştir. Ki-kare 34.164 olarak hesaplanmıştır ve bir serbestlik derecesiyle (2 × 2 dizi için) istatistiksel olarak anlamlıdır (p < .001); Böylece, derecelendirmelerde hiçbir ilişkinin olmadığı sıfır hipotezi, puanlayıcılar tarafından sağlanan derecelendirmelerin birbiriyle ilişkili olduğu sonucuna varmaktadır.
Değerlendiricilerin yargılarının ne kadar güçlü bir şekilde ilişkili olduğu kappa katsayısı ile gösterilir. Kappa değeri .779’dur, hesaplaması tesadüfen bekleyeceğimiz frekans dağılımını istatistiksel olarak kontrol ettiğinden, düz uyuşma yüzdesinden belirgin şekilde daha düşük bir değerdir. İstatistiksel olarak anlamlıdır (p < .001).
Bu değeri makul bir anlaşma miktarını temsil ettiği şeklinde yorumluyoruz, ancak iki psikolog servisleri tam bir eşzamanlılık içinde değerlendirmedi ve eğer mümkünse, en azından bazı tutarsızlıkları çözmek için aralarında biraz tartışmaya çalışılmalıdır.
Temel Bileşenler ve Faktör Analizi
ANA BİLEŞENLERE VE FAKTÖR ANALİZİNE GENEL BAKIŞ
Temel bileşenler ve faktör analizi, nispeten daha büyük bir değişkenler setinin altında yatan nispeten az sayıda boyut veya temayı (bileşenler veya faktörler) tanımlamak için kullanılan bir açıklayıcı veri analizi prosedürleri ailesini içerir. Bu prosedürler, birkaç değişken arasında dağılmış az sayıda sentezleme yapısı bilgisini birleştirmenin yollarını temsil eder.
Bir anketteki bir dizi maddeye (örneğin, sağlıkla ilgili bir dizi konuda davranışı değerlendiren maddeler) veya önceden geliştirilmiş bir dizi ölçüme (örneğin, kişilik özellikleri) uygulanabilirler. Temel bileşenler analizinin ve faktör analizinin başlangıcını sırasıyla Karl Pearson (1901b) ve Charles Spearman’a (1904a) kadar takip edebiliriz. Temel bileşenler analizi, Harold Hotelling (1933, 1936) tarafından daha eksiksiz bir şekilde geliştirildi ve faktör analizi, öncelikle Louis L. Thurstone tarafından daha modern biçimine dönüştürüldü.
Temel bileşenler ve faktör analizlerinin her biri, değişkenlerin Pearson korelasyon matrisi ile başlar. Ortak amaçları, kapladıkları çok boyutlu uzay içindeki değişkenlere bir dizi ağırlıklı doğrusal fonksiyon (bileşenler veya faktörler) uydurarak bu matristeki varyansı hesaba katmaktır. Analiz iki ana aşamadan oluşur: çıkarma ve döndürme.
Temel bileşenler analizi ile faktör analizi arasındaki fark
Faktör analizi örnekleri
Açımlayıcı faktör analizi Nedir
Faktör analizi Nedir
Açımlayıcı faktör analizi yorumlama
Faktör analizi Makale
Doğrulayıcı faktör analizi örneği
Spss faktör analizi Nedir
Ekstraksiyon birkaç yöntemle gerçekleştirilebilir. Bu yöntem ana bileşenler olduğunda, analizi temel bileşenler analizi olarak etiketliyoruz. Temel bileşenler, kavramsal ve istatistiksel olarak çıkarma tekniklerinin en basitidir. Diğer yöntemler küme olarak faktör analizi teknikleri olarak bilinir; ana eksen, maksimum olabilirlik ve ağırlıklandırılmamış ve genelleştirilmiş en küçük kareler analizlerini içerir. Bu yöntemlerden biri kullanıldığında, tekniği faktör analizi olarak etiketliyoruz.
Hem temel bileşenlerde hem de faktör analizinde, boyutlar sıralı olarak çıkarılır (değişkenlerle maksimum düzeyde bağıntılı düz çizgi uydurma işlevleri) ve birbirinden bağımsızdır (diktirler). Böylece, ilk bileşen veya faktör, hangi varyansı yapabileceğini açıklayacaktır. İkinci bileşen veya faktör, açıklamak için kalan (artık) varyansı hedeflemelidir.
Üçüncü bileşen veya faktör daha sonra ilk ikisi tarafından açıklanmayan varyansı ele almalıdır ve bu böyle devam eder. Ortogonal oldukları için, ilk d boyutun açıkladığı kümülatif varyans miktarından bahsetmek için bileşenler veya faktörler arasında açıklanan varyans miktarını ekleyebiliriz.
Bileşenlerin ve faktörlerin ayıklanma şekli sayesinde, art arda çıkarılan her bileşen veya faktör, kendisinden önce çıkarılanlardan daha az varyansı açıklayacaktır. Genellikle olan şey, ilk birkaç bileşenin veya faktörlerin kümülatif olarak açıklanacak varyansın nispeten büyük bir yüzdesini oluşturacağıdır ve çoğu zaman hızla azalan getiri noktasına ulaşırız.
Y ekseninde açıklanan varyans miktarını, X ekseninde çıkarılan bileşenlerin veya faktörlerin bir fonksiyonu olarak çizecek olsaydık, Raymond Cattell (1966) tarafından bir dağılma grafiği olarak popüler hale getirilen geriye doğru J-şekilli bir işlev görürdük. Çıkarma aşamasındaki araştırmacıların amacı, döndürme aşamasına getirmek için makul miktarda varyansı kümülatif olarak açıklayan nispeten az sayıda bileşen veya faktör seçmektir; Buradaki uyarı, döndürme sürecinin sonunda bileşen veya faktör yapısının anlamlı bir şekilde yorumlanması gerektiğidir.
Çıkarma için geçerli olduğu gibi, döndürme birkaç yöntemle de gerçekleştirilebilir. Çıkarma aşamasının sonunda, bileşenler veya faktörler birbirine göre 90 derecede kesişiyor olarak düşünülebilir (90 derecede kesişirken ortogonaldirler). Bileşeni veya faktör yapısını döndürmek, değişkenler yerinde kalırken onu çok boyutlu uzayda döndürmek demektir.
Bu pivotlama, her bir bileşenin veya faktörün, o uzaydaki bazı değişkenlere daha yakın (daha güçlü bir şekilde ilişkili) olurken, aynı zamanda bazı diğer değişkenlerden (daha az güçlü korelasyonlu) olmasıyla sonuçlanır. Değişkenler ve bu amaca ulaşma çabasından kaynaklanan bileşenler veya faktörler arasındaki korelasyon modeli, Louis L. Thurstone (1947) tarafından ifade edilen orijinal fikirden sonra basit yapı olarak adlandırılır.
Açımlayıcı faktör analizi Nedir Açımlayıcı faktör analizi yorumlama Doğrulayıcı faktör analizi örneği Faktör analizi Makale Faktör analizi Nedir Faktör analizi örnekleri Spss faktör analizi Nedir Temel bileşenler analizi ile faktör analizi arasındaki fark