Çıkarılacak Faktörler etiketli panele 3 yazmamız dışında, analizleri tam olarak 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 açıklamaktadır. Ana eksen faktör çözümü, toplam varyanstan ziyade ortak olanı hedeflediği için daha az varyansı hesaba katmıştır; ilk üç ana eksen faktörü kümülatif olarak toplam varyansın %49.977’sini açıklamaktadır. Ayrıca, üçüncü ana eksen faktörü, 1.00 genel kriterinin hemen altında bir özdeğer ile ilişkilidir; ancak, faktör yapısı makul bir yoruma izin veriyorsa bu kabul edilebilir.

Şekil 38.19, değişkenler için Toplulukları sunar. Temel bileşenler analizinde, değişkenlerin çoğu, kısmen analiz varyansın %60’ından fazlasını açıkladığı için, yüksek .4’leri aşan Çıkarım topluluk değerlerine sahiptir, oysa ana eksen faktör analizinde, bazı değişkenler nispeten düşüktür. 

Bileşen/faktör korelasyon matrisleri gösterilir. Bileşenler/Faktörler 2 ve 3 ilintisizdir ancak diğer iki çift eğik bir dönüşü garanti etmek için yeterince bağıntılıdır, ancak aynı temel yapıyı temsil ettiklerine karar vermemiz için yeterince bağıntılı değildir.

Temel bileşenlerden yapı matrisleri ve promax rotasyonlardan elde edilen temel eksen faktör analizleri gösterilmektedir. Aynı boyutsal yapıyı sunarlar, ancak temel bileşenler analizinden gelen korelasyonlar önemli ölçüde daha güçlüdür; bu bir sürpriz olmamalı çünkü bu analiz daha fazla varyansı hesaba kattı ve sonuç olarak değişkenler için daha büyük topluluk değerleri verdi.

Ana eksen faktör yapısına (açıklama amacıyla) odaklanıyoruz ve faktörleri aşağıdaki gibi yorumluyoruz:

• Faktör 1 (en güçlü şekilde belirtilir) daha düşük neonöro ve negafect seviyeleri (bunlar faktörle negatif ilişkilidir) ve daha yüksek saygı, posafect, neoextra ve kabul seviyeleri (bunlar faktörle pozitif korelasyon gösterir) ile ilişkilidir. Bu faktörün, dört faktörlü çözümde Faktör 1 ve 4’ün bir kombinasyonu olduğuna dikkat edin; yani üç faktörlü çözümde birinci faktör, dört faktörlü çözümde ikiye ayrılır. Bu faktör üzerinde daha yüksek değerlere sahip kişilerin tutumlarında istikrarlı, kendinden emin ve olumlu olduklarını hayal edebiliriz; bu yapıya bir etiket vermemiz gerekseydi, bir olasılık Pozitif Yaşam Uyumlaması olabilir.
• Faktör 2, daha yüksek cntrlcpi, bencntrl, aggcontrl ve neoagree 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.

HANGİ ÇÖZÜMÜN KABUL EDİLECEĞİNİ BELİRLEME

Genel olarak, üç bileşenli/faktör yapısı, boyutların uygulanabilir bir yorumunu desteklerken, dört bileşenli/faktör yapısının zayıflıklarının çoğunun üstesinden gelmiştir. Geriye kalan tek zayıflık, her iki analizde de olumsuzluk ve ana eksen faktör çözümünde yeni anlaşma için küçük bir “çapraz yükleme”dir, ancak yine de dört bileşenli/faktör çözümünde bir miktar “çapraz yükleme” vardı. Bu nedenle, dört bileşenli/faktörlü çözüm yerine üç bileşenli/faktör çözümünü kabul etmekte çok rahatız.

Bu örnekteki araştırmacıların, araştırma sonuçlarını yaymak için hangi çıkarma yönteminin raporlanacağına karar vermesi gerekecektir. Ana bileşenler çözümü, bir şekilde daha güçlü yapı katsayıları, daha az “çapraz yükleme” ve yüksek .4’ler veya daha iyisi genel kriterimize ulaşan topluluk değerleri sağladığından, ana bileşenler çözümünü seçerdik.

Açımlayıcı faktör analizi Nedir
Doğrulayıcı faktör analizi nedir
Doğrulayıcı faktör analizi örneği
Faktör analizi Nedir
Temel bileşenler analizi ile faktör analizi arasındaki fark
Doğrulayıcı faktör analizi yorumlama
Exploratory Factor Analysis nedir
Faktör analizi sonuçları Nasıl yorumlanır

Bununla birlikte, açıklanan varyanstaki belirgin artış (temel eksen faktoringi için yaklaşık %50’ye kıyasla ana bileşenler için yaklaşık %60), asıl eksen faktoringi, varyansın yalnızca sette ortak olan kısmını açıklamayı amaçladığından, gerçekten somut bir kazanç değildir. temel bileşenler tarafından hedeflenen toplam varyans miktarından ziyade değişkenlerin toplamıdır.

Bu nedenle, diğer araştırmacılar çok iyi bir şekilde ana eksen analizinin sonuçlarını raporlamayı tercih edebilirler; nihai olarak, böyle bir karar, her araştırma ekibinin profesyonel tercihlerini yansıtacaktır. Ancak, hangi çıkarma prosedürünün raporlanacağının seçimi, değişkenlerin boyutsal yapısının yorumlanmasını etkilemez.

Doğrulayıcı Faktör Analizi

Bölüm 38’de ele alınan temel bileşenler ve faktör analizi, bileşenlerin/faktörlerin veri analizinden ortaya çıkmasına izin verilmesi anlamında keşif prosedürleri olarak kabul edilir. Böylece araştırmacılar, bulmayı umdukları boyutsal yapının doğası hakkında bazı gayri resmi beklentileri olsa bile, bu tür bir analize tümevarımsal veya aşağıdan yukarıya bir perspektiften yaklaşırlar.

Böyle bir tümevarımsal yaklaşımla tutarlı olarak, araştırmacıların, sonunda seçecekleri çözüme karar verirken küçük bir dizi olası çözümü (örneğin, üç, dört ve beş bileşen/faktör) incelemek için bu prosedürleri kullanmaları alışılmadık bir durum değildir.

Doğrulayıcı faktör analizi, tümdengelimli veya yukarıdan aşağıya bir yaklaşımı temsil eder. Burada, araştırmacılar teorik veya ampirik bir çerçeveye dayalı açık bir faktör yapısı (bir model) varsayımında bulunurlar. Analiz, varsayımsal modeli verilere empoze eder ve bu formülasyonun verilere ne ölçüde uyduğunu değerlendirir.

Aşağıda, keşifsel ve doğrulayıcı teknikler arasındaki temel farklardan ikisi verilmiştir:

• Açıklayıcı temel bileşenler ve faktör analizlerinde her değişken, her bileşen veya faktörle ilişkilendirilir; amaç, her bir değişkenin yalnızca bir bileşen veya faktörle güçlü bir şekilde ilişkilendirilmesi ve dolayısıyla diğerleriyle zayıf bir şekilde ilişkilendirilmesidir. Doğrulayıcı faktör analizinde, araştırmacılar genellikle her bir değişkeni yalnızca bir faktörle ilişkilendirilecek şekilde belirler.
•Keşif tekniğindeki döndürülen bileşenler ve faktörlerin ya hepsinin korelasyonsuz olması gerekir (ortogonal döndürmeden kaynaklanır) ya da hepsinin korelasyona izin verilir (eğik döndürmeden kaynaklanır). Doğrulayıcı faktör analizinde araştırmacılar, varsa hangi faktörlerin ilişkilendirileceğini belirtir; bu nedenle, tek bir analizde, araştırmacılar bazı faktörlerin ilişkili olduğunu ve diğer faktörlerin ortogonal olduğunu varsayabilirler.

Doğrulayıcı faktör analizi, özel yapısal eşitlik modelleme (SEM) yazılımında gerçekleştirilir; bu kitapta, bu amaçla IBM SPSS® Amos eklentisini kullanıyoruz. Yazılımı kullanarak modeli diyagram şeklinde yapılandırıyoruz. Basit, genel bir doğrulayıcı faktör analizi modeli örneği sunulmuştur. 

The post ÜÇ BİLEŞENLİ FAKTÖR YAPISI – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).

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.

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