Döndürülmüş Bileşen – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
Dört Bileşenli/Faktör Yapısı için Analiz Çıktısı: Döndürülmüş Bileşen/Faktör Yapısı Katsayıları
Bir bileşen veya faktör matrisinde sunulan döndürülmüş çözümleri incelemeye hazırız. Bir eğik döndürme stratejisi, sırasıyla model katsayılarını ve yapı katsayılarını sunan bu tür iki matris, bir model matrisi ve bir yapı matrisi verir.
Bir bileşenin veya faktörün, analizdeki değişkenlerin ağırlıklı doğrusal bir birleşimi olduğunu hatırlayın; model katsayıları bu ağırlıklardır (çoklu regresyondaki beta katsayılarına benzer). Değişkenler arasında yüksek korelasyon varsa bunların 1,00 değerini aşması mümkündür. Yapı katsayıları, belirli değişken ile bileşen veya faktör arasındaki korelasyondur.
Bunlar gerçek korelasyonlardır ve ±1.00 aralığında olmalıdırlar. Çoğu analizde, bu iki matris çok benzer değerler üretir ve aynı yorumu verir. Araştırmacılar, iki matristen hangisinin sunulacağı konusunda bölünmüş görünüyor, ancak tercihimiz yapı matrisini yorumlamak ve bunlar temel bileşenler ve ana eksen faktör çözümleri için sunuluyor (varimax gibi bir dik döndürme stratejisinin yalnızca tek bir sonuç verdiğini unutmayın). örüntü ve yapı katsayıları aynı değerleri aldığı için döndürülmüş bileşen/faktör matrisi.)
Araştırmacıların yorumladığı yapı (veya örüntü) matrisinin sonuçlarıdır; yani, bileşen veya faktör tarafından temsil edilen boyutu sade bir dilde yorumlamak için yapı (veya model) katsayılarını kullanırız. İki analizin sonuçları benzer olduğundan, ana eksen çözümü üzerinden çalışacağız.
Gösterilen ana eksen çözümü için Yapı Matrisi, satırlar olarak değişkenleri ve sütunlar olarak faktörleri içerir. Girdiler, yapı katsayılarıdır, yani her değişkenin her faktörle korelasyonudur. Daha yüksek korelasyonlar, ikisi arasında daha güçlü bir ilişki olduğunu gösterir. Değişken ile faktör arasındaki ilişkinin makul ölçüde güçlü olduğu ölçüde, değişken, faktörün bir göstergesi (veya yönü) olarak düşünülebilir.
Satırlara baktığımızda (her değişken için faktörler arasında), değişkenlerin çoğunun (halk dilinde “yükleniyor” değişkeni olarak anılır) yalnızca bir faktörle (basit yapının amacı buydu) oldukça yüksek düzeyde korelasyon gösterme eğiliminde olduğunu görüyoruz. . Bencntrl bir istisnadır, çünkü bu değişken en azından bir dereceye kadar (halk dilinde “çapraz yükleme” değişkeni olarak anılır) hem Faktör 1 hem de 2 ile yüksek oranda ilişkilidir.
Varimax döndürme yöntemi
Açımlayıcı faktör analizi Nedir
Doğrulayıcı faktör analizi
Doğrulayıcı faktör analizi yorumlama
Ölçek faktörü nedir
Rotated Component Matrix nedir
Faktör yükü kaç olmalı
Açıklanan varyans
Değişkenlerin çoğu nispeten açık bir şekilde faktörlerden birine “yüklendiğinde”, faktörleri yorumlamaya devam edebiliriz. Faktörleri yorumlamak için her sütunda ayrı ayrı dikey olarak çalışıyoruz ve bu nedenle Seçenekler iletişim penceresinde katsayıları boyuta göre sıraladık.
Değişkenler faktöre göre listelenir ve her faktör içinde büyüklüklerine göre (katsayının değeri) sıralanır. Bu nedenle, ilk dört değişken en yüksek oranda Faktör 1 ile, sonraki dört değişken en yüksek düzeyde Faktör 2 ile, sonraki üç değişken en yüksek oranda Faktör 3 ile ve son ikisi de Faktör 4 ile en yüksek düzeyde ilişkilidir.
Araştırmacılar, faktör yorumlaması için bir ipucu olarak değişkenler ve faktör arasındaki korelasyonların değerlerini kullanır. Genel bir kılavuz olarak, yaklaşık .80 veya daha yüksek olan yapı katsayıları çok güçlü göstergeler olarak, .70’lerdeki katsayılar nispeten güçlü göstergeler, .5’ler ve .6’lardakiler orta seviye göstergeler olarak alınır ve .3’ler ve .4’ler çok mütevazı göstergeler olarak alınır.
Bu yönergeler göz önüne alındığında, faktörleri onunla en güçlü şekilde ilişkili olan değişkenlere dayalı olarak yorumluyoruz. Bu değişkenlerin kavramsal olarak birbirleriyle ortak noktaları, faktörün özünü göstermelidir.
Korelasyonlara dayanarak, faktörleri aşağıdaki gibi yorumluyoruz:
• Faktör 1 (en güçlü şekilde belirtilir) daha düşük neonöro ve olumsuzluk seviyeleri (bunlar faktörle negatif ilişkilidir) ve daha yüksek saygı ve kabul seviyeleri (bunlar faktörle pozitif ilişkilidir) ile ilişkilidir. Daha az nevrotiklik, daha az olumsuz duygulanım, daha fazla öz-saygı ve daha çok benlik kabulü hangi yapıyı gösterir? Cevap, faktörün yorumlanmasıdır ve biz onu öznel olarak Ruh Sağlığı olarak etiketliyoruz.
•Faktör2,cntrlcpi,bencntrl,neoagree,veggcontrl’nin yüksek değerleriyle gösterilir ve Duygusal Kontrolü temsil ediyor gibi görünür.
•Faktör3,depcon,eminhib,vendanxcon’un daha yüksek seviyeleri ile gösterilir ve Depresyon İnhibisyonunu temsil eder gibi görünür.
• Faktör 4, daha yüksek neoextra ve posafect seviyeleri ile belirtilir ve Pozitif Gidenliği temsil eder gibi görünür.
Dört Bileşenli/Faktör Yapısı için Analiz Çıktısı: Değerlendirme
Dört faktörlü çözüm yorumlanabilirdi ve her değişken için en büyük yapı katsayılarının değerleri kabul edilebilirdi. Dolayısıyla bu sonuç uygulanabilir gibi görünmektedir.
Bununla birlikte, çözümün kendisine göre dört zayıf yönü vardır:
• Dört bileşenli çözümü kullanmak, özdeğerleri 1.00’i aşan dört bileşenin tümünü kabul etmek anlamına gelir ki bu, araştırmacıların yapmak istemediği bir şeydir; ana eksen faktör analizinde dördüncü faktörün rahatsız edici derecede düşük bir öz değeri vardır.
• Bir faktör çifti (ana eksen analizinde) .50’den fazla bağıntılı; bu, tercih edilenden biraz daha yüksek bir faktör korelasyonudur (.4’leri aşan korelasyonlar bazı endişelere neden olmalıdır) ve bir noktada, belki de .70 aralığında, çok güçlü korelasyona sahip faktörlerin gereksiz olarak değerlendirilmesi gerekir.
• Bir değişken (bencntrl) oldukça önemli bir “çapraz yüklemeye” sahipti.
• Bir faktörün (Faktör 4) gösterge olarak yalnızca iki değişkeni vardı; analizde sadece 13 değişken olsa ve dört bileşenli/faktör çözümü kullansak bile, bir faktör için en az üç gösterge değişkenine de sahip olmak isteriz.
Bu zayıflıklardan bazıları, üç bileşenli/faktörlü çözümlerde potansiyel olarak aşılabilir. Bu gerçekleşirse ve yorum en azından eşit derecede uygulanabilirse, o zaman üç boyutlu çözüm de tercih edilebilir.
ÜÇ BİLEŞENLİ/FAKTÖR YAPISI
Çıkarılacak Faktörler etiketli panele 3 yazmamız dışında, analizleri tam olarak da açıklandığı gibi kurduk. İki analiz için Açıklanan Toplam Varyans tabloları sunulmaktadır. Dört boyutlu çözümle tutarlı olarak, ilk üç temel bileşen kümülatif olarak toplam varyansın %60,637’sini de açıklamaktadır.
Açıklanan varyans Açımlayıcı faktör analizi Nedir Doğrulayıcı faktör analizi Doğrulayıcı faktör analizi yorumlama Faktör yükü kaç olmalı Ölçek faktörü nedir Rotated Component Matrix nedir Varimax döndürme yöntemi