Faktör matrisi, yorumlamayı kolaylaştırmak için normal olarak döndürülür. Çoğu durumda, ortogonal olarak döndürülür. Bu, varimax döndürme olarak bilinir ve faktörlerin istatistiksel bağımsızlığını korur. Aşağıdaki varimax rotasyonunun bir faktör matrisinin değerleri üzerindeki etkisini göstermektedir.

Nefes tazeleme değişkeni, faktör 1 (sağlık özellikleri) için 0,246 ve faktör 2 (sosyal nitelikler) için 0,734 döndürülmemiş faktör yüklemesine sahiptir. Varimax yöntemi, toplam koordinat sistemini orijinal konumundan döndürür, ancak bağımsız değişkenler arasındaki ilişkiyi korur. Döndürme, koordinat sistemini yeniden kalibre eder. Faktör 1 şimdi nefes tazeleme maddesi için 0.090 değerine ve faktör 2 0.769 değerine sahiptir.

Varimax döndürme, faktör 1’in yüklenmesini azaltır ve faktör 2’nin yükünü artırarak, maddelerin faktör atamalarını daha belirgin hale getirir. Bu varimax yönteminin temel fikridir: koordinat sistemi, kare yüklerin varyanslarının toplamı maksimize edilene kadar döndürülür. Çoğu durumda, bu yorumlamayı basitleştirir.

Faktör sayısını belirledikten ve sonuçlarını yorumladıktan sonra, ankete katılan bireyler arasında faktör puanlarının nasıl farklılaştığını açıklamalıyız. Regresyon analizi ile oluşturulan faktör puanları bazı göstergeler sağlar. Faktör i’nin faktör puanı, ankete katılan kişinin n orijinal z-skorunun (zj) lineer kombinasyonları temelinde, faktör puanı katsayı matrisinden ilgili değerlerle (αij) ağırlıklandırılarak hesaplanabilir.

Her faktör için, her kişi, bireylerin verdiği puanları, tüm bireyler tarafından verilen ortalama puanlara karşı değerlendiren standartlaştırılmış bir değer alır. Standartlaştırılmış faktör puanı pozitif olduğunda, bireysel puanlar tüm yanıtların ortalamasından daha büyüktür ve bunun tersi de geçerlidir. Diş macunu veri setinde 33. kişinin değeri vardır.

Faktör analizi yalnızca metrik olarak ölçeklenen değişkenler için kullanılabilir. Bazı araştırmacılar, sıralı ölçeklerin metrik değişkenlere izin verdiği belirli koşulları tanımlamıştır. Her durumda, farklı madde ölçümleri (7 puanlık ölçeğe karşı 5 puanlık ölçek) önceden standardizasyon gerektirir.

Faktör değerleri, yalnızca analiz edilen maddelerden herhangi biri için eksik değer bulunmayan kişiler veya gözlemler için hesaplanabilir. Bununla birlikte, eksik verileri atamak ve eksiksiz veri seti ile geniş bir analize olanak sağlamak mümkündür. Literatürde ortalama atama, regresyon atama, stokastik atama, çoklu atama vb. gibi farklı atama teknikleri önerilmektedir.

SPSS ve Stata ile Faktör Analizi

Bu bölüm, diş macunu_attributes.sav ve diş macunu_attributes.dta SPSS ve Stata örnek veri kümelerini kullanır. SPSS için Analiz et’i seçin! Boyut Azaltma ! Faktör Analizi iletişim kutusunu açmak için faktör. Açılan menüde öncelikle faktör analizi için kullanılacak değişkenleri (maddeleri) seçin. Ardından belirtilen adımları izleyin.

Stata için, İstatistikler’i seçin! Çok değişkenli analiz! Faktör ve temel bileşen analizi ! Faktör Analizi iletişim kutusunu açmak için faktör analizi. Açılan menüde (Model) öncelikle faktör analizi için kullanılacak değişkenleri (maddeleri) seçin. Ardından belirtilen adımları izleyin.

Faktör analizi Nedir
Faktör yükü kaç olmalı
Açımlayıcı faktör analizi
Faktör analizi yorumlama
Faktör analizi Türleri
Faktör analizi PDF
Açıklanan varyans
Ölçek faktörü nedir

Bölüm Alıştırmalarının Çözümleri

Çözüm :

(a) f(Bölge 1⁄4 Bölge3|değerlendirme 1⁄4 iyi) 1⁄4 2/15 %100 1⁄4 13,3 %
(b) • Olasılık tablosunda ikiden fazla satır/sütun olduğundan Phi uygun değildir.

• Yalnızca tablolarda çok sayıda satır/sütun olduğunda geçerli olduğundan, beklenmedik durum katsayısı uygun değildir.
• Cramer’s V şu şekilde yorumlanabilir: V 1⁄4 0.578. Bu orta derecede bir ilişkiyi gösterir.
• Değerlendirme malı, bölge 1’de ortalamanın üzerinde bir sıklığa sahiptir (beklenen sayı 1~4 6,1; gerçek sayı 1~4 13); 2. bölgede ortalamadan daha düşük bir frekans (beklenen sayı 1~4 5.5; gerçek sayı 1~4 0); 3. bölgede ortalamadan daha düşük bir frekans (beklenen sayı 1⁄4 3,5; gerçek sayı 1⁄4 2). Değerlendirme fuarı, 2. bölgede ortalamanın üzerinde bir sıklığa sahiptir (beklenen sayı 1~4 7,3; gerçek sayı 1~4 10); 3. bölgede ortalamanın üzerinde bir sıklık (beklenen sayı 1~4 4,6; gerçek sayı 1~4 10). Değerlendirme zayıf, bölge 1’de ortalamanın üzerinde bir sıklığa sahiptir (beklenen sayı 1~4 6.9; gerçek sayı 1~4 8).
• Unutulmaması gereken bir diğer husus, birçok hücrenin boş olmasıdır. Böylece 3 3’ten küçük bir tablonun kullanılıp kullanılmaması gerektiği sorulabilir (yani 2 2; 2 3; 3 2).

Çözüm :

(a) soğuk algınlığı ve okunan kitaplar arasındaki doğrusal ilişki büyük olduğu için kitap okumanın sağlıksız olduğu sonucuna varın.
(b) Sahte bir korelasyonla, üçüncü bir (gizli) değişken, araştırılan değişkenler üzerinde bir etkiye sahiptir. Sonuçta, yüksek korelasyon katsayısı ile ilişkili ilişkiyi açıklar.
(c) Sahte bir korelasyon mevcuttur. Arka plan (ortak neden) değişkeni yaştır.

Yaş arttıkça, insanlar ortalama olarak daha fazla kitap okur ve daha fazla soğuk algınlığına yakalanır. Kendimizi bir yaş sınıfıyla sınırlarsak, muhtemelen soğuk algınlığı geçirmiş olmakla okunan kitaplar arasında bir ilişki yoktur.

Çözüm :

(a) yb1⁄4 24:346 þ 0:253 x1 0:647 x2 0:005 x3, burada:

x1: konum sayısı;
x2: öğe fiyatı [1.000 s MU olarak];
x3: reklam bütçesi [100.000 s MU olarak]

Reklam bütçesinin düşük (önemsiz) etkisi, pratikte x3 değişkenini alıştırmanın gerilemesinden (bkz. bölüm d) eleyerek aşağıdaki sonucu verir: yb 1⁄4 24:346 × 0:253 x1 0 :647×2
(b) Belirleme katsayısını zaten biliyoruz: R2 1⁄4 0.951.
(c) Madde fiyatının regresyon katsayısı α2 1⁄4 0.647’dir. Madde fiyatı 1.000 s birim ile ölçüldüğünden, 1.000 MU’luk bir fiyat düşüşü satışları şu şekilde etkiler: Δsatışlar 1⁄4 (1) ( 0.647) 1⁄4 0.647. Satışlar ayrıca 1.000 s birim ile ölçülür, bu da toplam satışların 1.000 0.647 1⁄4 647 birim arttığı anlamına gelir.
(d) Reklam harcamaları için regresyon katsayısı α3 1⁄4 0,005’tir. Reklam giderleri 100.000 s MU ile ölçüldüğünden, reklam giderlerinde 100.000 PB’lik bir artış satışları şu şekilde etkiler: Δsatışlar 1⁄4 (+1) ( 0,005) 1⁄4 ( 0,005). Satışlar 1.000 s birim olarak ölçülür, bu da bunların 1.000 ( 0,005) 1⁄4 (5) oranında düşeceği anlamına gelir. Sonuç, değişken reklam bütçesinin önemsiz bir etkisi olduğu için ortaya çıkar (0’a yakın); reklamların satışları belirlemede hiçbir rolü yok gibi görünüyor.

Çözüm :

(a) yb 1⁄4 9898 949.5 fiyat + 338.6 HZsw 501.4 Hzaz 404.1 TZaz + 245.8 TZsw + 286.2 HZhz_abb
(b) yb 1~4 9898 949.5 2.5 + 338.6 0 501.4 1 404.1 0 + 245.8 0 + 286.2 %07023
(c) R, korelasyon katsayısına eşittir; R2, modelin belirleme katsayısıdır ve bağımsız değişkenlerdeki varyansla açıklanan satışlardaki varyans yüzdesini ifade eder (regresyon fonksiyonunun sağ tarafı). Model oluşturulurken mümkün olduğunca az değişkenle yüksek bir varyans açıklamasının sağlanması gerekir. Daha fazla bağımsız değişken eklense bile R2 değeri aynı kalacaktır. Ayarlanmış R2, aşırı sayıda bağımsız değişkeni önlemek için kullanılır. Regresör sayısı tarafından düzeltilen bir belirleme katsayısıdır.
(d) Beta, standartlaştırılmış değişkenlerin etkisini gösterir. Standardizasyon, bağımsız değişkenleri uygulanan ölçü biriminden bağımsız ve dolayısıyla ölçülebilir kılmak için kullanılır. Regresyonda ortaya çıkan standartlaştırılmış beta katsayıları, bu nedenle ölçülebilir boyutlara sahiptir. Buna göre en büyük katsayıya sahip değişken en büyük etkiye sahiptir.
(e) Price_low adında yeni bir metrik değişken oluşturun. Aşağıdaki koşullar geçerlidir: Fiyat_düşük 1⁄4 0 (fiyat 2,50 €’dan küçük olduğunda); Aksi takdirde Fiyat_düşük 1⁄4 Fiyat. Başka bir olasılık: Price_low adında yeni bir değişken oluşturun.

The post Faktör Matrisi – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).