Sunum yükleniyor. Lütfen bekleyiniz

Sunum yükleniyor. Lütfen bekleyiniz

Açımlayıcı Faktör Analizi (AFA). İçerik 1 Faktör analizi nedir? 2 Varsayımlar 3 İşlemler / Süreç 4 Örnekler 5 Özet.

Benzer bir sunumlar


... konulu sunumlar: "Açımlayıcı Faktör Analizi (AFA). İçerik 1 Faktör analizi nedir? 2 Varsayımlar 3 İşlemler / Süreç 4 Örnekler 5 Özet."— Sunum transkripti:

1 Açımlayıcı Faktör Analizi (AFA)

2 İçerik 1 Faktör analizi nedir? 2 Varsayımlar 3 İşlemler / Süreç 4 Örnekler 5 Özet

3 Faktör Analizi Nedir? 1Faktör Analizi Nedir? 2 Amacı 3 Geçmişi 4 Tipleri 5 Modelleri

4 Kim Geliştirdi? •Charles Spearman (1904) tarafından geliştirildi. •Elle hesaplamanın zorluğundan kurtulmak için geliştirildi. •Bilgisayarın kullanılmaya başlanmasından sonra yaygınlaştı

5 5 Bir galaksi evren içinde bir faktör gibidir. Birçok değişkenin varyansı onu oluşturan kümelenmiş yapılar ve onların arasındaki korelasyonlarca açıklanabilir.

6 6 Faktör Analizinin Kavramsal Modeli FA, ana yapıyı oluşturan kümeleri incelemek için maddeler arasındaki korelasyonları kullanır.

7 Faktör analizi… Kendi aralarında ilişkileri olan madde kümelerini (yani faktörleri) tanımlarken; Çok değişkenli (multivariate) teknik olarak, değişkenler arasındaki ilişkileri belirlerken; Yaygınlıkla da psikometrik araç geliştirme sürecinde kullanılmaktadır.

8 Amaçlar Faktör analizi tekniklerinin iki ana kullanım amacı bulunmaktadır: 1. Veri azaltma (Data reduction): Değişkenlerin sayısının daha az sayıda faktöre indirgenmesi 2. Kuram Geliştirme: Değişkenlerin kendi aralarındaki ilişkileri kullanarak yapıyı (structure) tanımlamak

9 Amaçlar: Veri azaltma •Alttaki faktörleri açıklayarak veri yapısını basitleştirir •Ölçek geliştirirken * Gereksiz * Belirsizlik içeren * İlgisiz, yapı ile ilişkili olmayan maddelerin elenmesine veya tanımlanmasına yardım eder. •Faktör yüklerinin görülmesini sağlar.

10 Amaç: Teori Geliştirme •Teorik modelin içerdiği ilişkili örüntüleri test eder. Mesela saldırganlığı ölçüyorsa «kaç tane saldırganlık faktörü var?» sorusuna cevap bulur.

11 EFA = Açımlayıcı Faktör Analizi • Bir veri kümesinin içerdiği ilişkili temel yapıları inceler ve özetler CFA = Doğrulayıcı Faktör Analizi • Bir veri kümesinin temel yapılarını, hipotetik olarak önceden tanımlanmış yapılara uygunluğu bağlamında denetler. Faktör Analizinin İki Modeli vardır: Açımlayıcı ve Doğrulayıcı.

12 Bu çalışma açımlayıcı faktör analizini konu edinmektedir. Açımlayıcı Faktör Analizi

13 Kişilik 2, 3 yoksa 5 veya 12 faktörlü müdür? Örneğin «en büyük 5’i?» •Nörortisizm •Dışadönüklük •Tatlılık •Açıklık •Dürüstlük Örnek: Kişilik kaç faktörlüdür?

14 Zeka farklı / bağımsız faktörlere ayrılır mı? •sözel •sayısal •kişilerarası gibi…...yoksa tek bir faktör müdür (G)? Örnek: Zeka kaç bileşenlidir?

15 Faktör 1Faktör 2Faktör 3 Kavramsal model – Basit model •12 madde (ya da değişken) üç faktörde toplanıyor. •Faktörler ilişkili maddelerden oluşmaktadır.

16 Örnek: Eysenck’in 3 Kişilik Faktörü İçedönüklük/ Dışadönüklük NörotisizmPsikotisizm konuşkan utangaç sosyal eğlenceli kaygılı karamsar rahat gergin uyumsuz bakımsız sert yalnız 12 Madde (kişiliğin üç alt boyutu ile ilişkili 4 x 3 = 12 madde)

17 17 Faktör analizinin Temel Sorusu: Kaç faktör / bileşen? Dokuz Faktör? Tek Faktör? Üç Faktör?

18 Soru 1 Basit model Soru 2 Soru 3 Soru 4 Soru 5 Faktör 1 Faktör 2 Faktör 3 Her soru yalnızca bir faktörden yük alır

19 Soru 1 Kompleks Model Soru 2 Soru 3 Soru 4 Soru 5 Faktör 1 Faktör 2 Faktör 3 Her soru birden fazla faktörden yük alır

20 İşlem Süreci: EFA Varsayımları 1Teorik Uygunluk 2Örneklem büyüklüğü 3Ölçek seviyesi 4Normallik 5Doğrusallık 6Uç Değerler 7Faktörlenebilirlik

21 Teorik uygunluk •Literatürü tara, gözden geçir •Teorik olarak uygun maddeleri kullan. Uymayanları ele.

22 Örneklem Büyüklüğü Bazı öneriler: Min.: her değişken (madde) için 5 kişi ● Örnek: 20 madde varsa, en az 100 kişi İdeal: her değişken (madde) için 20 kişi ● Örnek: 20 madde varsa, idealde have en az 400 kişi Toplam için: N > 200 tercihen

23 Örneklem Büyüklüğü Comrey and Lee (1992)‘e göre: 50 = Çok düşük, 100 = Düşük, 200 = Uygun, 300 = İyi 500 = Çok iyi = Mükemmel

24 24 Örneklem Büyüklüğü

25 Ölçek Düzeyi Bütün değişkenler (maddeler) korelasyonel analizler için uygun olmalıdır. yani eşit aralıklı (interval) ya da eşit oranlı (ratio/metric) ölçek türünde olmalıdır.

26 Normallik Faktör analizi normallik varsayımları ile hareket eder. Yani sağlıklı bir analiz için değişkenlerin dağılımları normal olmalıdır.

27 Doğrusallık Faktör analizi değişkenler arasındaki ilişki üzerinde kuruludur. Bu nedenle, tüm değişkenler arasındaki ilişkinin doğrusal olduğu kabul edilir. Uygun yaklaşım bu noktada scatterplot gibi uygulamalarla doğrusallğın test edilmesidir.

28 Uç Değerler Faktör analizi uç değerlere duyarlıdır. Bu nedenle Uç değerlerin tanımlanması, kaldırılması veya düzeltilmesi gerekir.

29 Faktörlenebilirlik Maddelerin faktör analizi için uygunluğunun yani faktörlenebiliğinin olması gerekir. Bunun denetlemenin birkaç yolu bulunmaktadır. •Korelasyon matriksleri.30’dan büyük mü? •Anti-image matriksleri >.50’dan büyük mü? •Örneklem uygunluğu testleri (MSAs)? – Bartlett’s testi anlamlı mı? – KMO değeri.50 veya.60’ın üzerinde mi?

30 30 Faktörlenebilirlik (Korelasyon Matriksi) Korelasyonlar.30’un üzerinde mi? Öyleyse faktör analizine devam… Tüm maddeler oldukça iyi görünüyor…

31 Anti-image korelasyon matriksi tablosunda madde eleminasyonu için.50 sınır değer olarak kabul edilir. Düşük değerler, maddenin diğer maddelerle yeterli korelasyonunun olmadığını gösterir. Faktörlenebilirlik: Anti-image Korelasyon matriksi

32 32 Anti-Image Korelasyon Matriksi Değerler her maddenin diğer maddelerle korelasyonunun yeteri kadar iyi olduğunu (>,50) gösteriyor. Bu faktörlenebilirliğin göstergesidir.

33 •Bütünsel tanılayıcı göstergelerdir ve şu durumlarda korelasyon matriklerinin uygunluğunu gösterir: – Bartlett’s küresellik testi anlamlı olmalıdır ve/veya – Kaiser-Mayer Olkin (KMO) değeri,50, tercihen,60’dan büyük olmalıdır. •Bu yol (Bartlett’s ve KMO) en hızlı ama en az güvenilir yoldur. Faktörlenebilirlik: Örneklem Yeterliği Ölçümleri (Measures of sampling adequacy)

34 34 Faktörlenebilirlik Bartlett’s ve KMO

35 Basamaklar / Süreç 1. Faktörlenebilirlik hipotezlerini test et 2. Analiz türünü (PCA, PAF vb.) belirle 3. Faktör sayısını belirle (Eigen değeri, Scree plot, Açıklanan toplam varyans) 4. Maddeleri seç (faktör yüklerini kontrol et, hangi maddenin hangi faktöre girdiğini incele, gerekiyorsa eleminasyona git) 5. Faktörleri tanımla ve isimlendir 6. İçsel güvenirlikleri hesapla

36 Açımlayıcı FA’nin Türleri: Çıkarım (Extraction) Yöntemi: Principals Components ve vs. Principal Axis Factoring EFA iki ana yaklaşım içerir: •Tüm varyanslarla yapılan Temel Bileşenler Analizi (Principle Components - PC) •Ortak varyansla yapılan: Temel Eksen Faktör Analizi Principle Axis Factoring (PAF)

37 Temel Bileşenle Analizi (PC) •Daha yaygındır. •Daha pratiktir. •Diğer analizlerde kullanmak üzere puan hesaplamak ve verileri azaltmak için kullanışlıdır. •Tüm maddeler için varyansların tamamı analize girer.

38 Temel Eksen Faktör Analizi (PAF) •Daha az yaygındır •Daha kuramsaldır. •Sadece ortak (shared) varyansları kullanır (Yani özgül varyanslar dışlanır)

39 39 Total variance of a variable Principal Components (PC)Temel Eksen Faktör Analizi (PAF)

40 •Bu iki prosedürün çözümleri arasında biraz farklılık vardır. •Eğer emin değilsek her iki yöntemle verilerin denetlenmesi uygun olur. PC ve PAF

41 Ortak Yükler (Communalities) •Her değişkenin (maddenin) bir ortak varyansı bulunmaktadır. •Bu değer 0 ila 1 arasında değişir. •PCA ve PAF yaklaşımlarında farklı ortak yük anlayışı tabloya yansır.

42 •Yüksek Ortak Yükler (>.50): Çıkan faktörler, analize alınan maddelerin varyansın daha fazlasını açıklamasına neden olur. •Düşük Ortak Yükler (<.50): Değerler düşükse yorumu zor daha fazla faktör çıkabileceğini kabul et ya da bu maddeyi elemeyi düşün. Ortak Yükler

43 43 Ortak yükler

44 Açıklanan Varyans •İyi bir faktöryel çözümlemede en az sayıda faktörle en yüksek varyansın açıklanması beklenir. •Gerçekçi olmak gerekirse, toplam varyansın %50-75’ini açıklayan bir analiz mutluluk vericidir 

45 45 Açıklanan Toplam Varyans 3 faktör toplam varyansın %74.8’ünü açıklıyor – çok iyi !

46 Eigen Değeri (Özdeğer) (Korelasyonların kareleri toplamı) •Her faktörün bir eigen değeri vardır. Eigen değeri her faktörün açıklama gücünü gösterir •Ardışık olarak sıralanan faktörler için eigen değeri giderek düşer. •Genel olarak: Kaiser kriterlerine göre 1’in üzerindeki eigen değerleri «kararlı» kabul edilir. •Eigen değeri yüzde (%) olarak da ifade edilebilir. •Tüm eigen değerlerin toplamı madde sayısını verir.

47 Bir analizde tüm faktörler kullanılmaz. Eigen değerleri (eigenvalues) büyük olan faktörler kullanılmalıdır. (Eigenvalue kabaca iki değişken arasındaki korelasyonu gösterir. Korelasyon varsa dış sınırlar elipse benzer.) x y x y Eigen Değeri (Özdeğer)

48 48 Açıklanan Varyans Eigen değeri.21 ile 9.55 arasında değişiyor. Üç faktörün eigen değeri 1’in üzerinde.

49 Scree plot •Eigen değerinin grafik gösterimidir. •Her faktörün açıkladığı varyans miktarını gösterir. •Kırılma noktaları arasındaki değişim dikkate alınır. •İlk faktör en yüksek varyansı açıklar. •En son faktör en düşük varyansı açıklar.

50 50 Scree plot 2 veya 3 faktör

51 51 Scree plot Scree plot: Örnek 2 8 Faktör

52 52 Scree plot Scree plot: Örnek 3 4, 6 veya14 Faktör

53 Faktör Sayısı (Neye Bağlıdır?) Öznel bir durum... En düşük faktör sayısı ile en yüksek varyansı açıklamaya çalış… Şunları hesaba kat: 1Kurama – Tahmin edilen veya beklenen faktör sayısına. 2Eigen değerinin kaç alındığına. 3Scree Plot – Kırılmanın nere/lerde olduğuna. 4Faktörlerin yorumlanabilirliğine. 5Farklı yöntemlerin duyarlılığına (PC veya PAF) 6Faktörler anlamlı ve yorumlanabilir olmasına…

54 •Faktör Yükleri. Her maddenin her faktör içindeki göreceli önemini gösterir. – İlk faktördeki maddeler daha fazla yük alma eğilimindedir. Döndürülmemiş Faktör Yapısı

55 •Faktörler Bir matriks olarak tablolaştırılır. •Matrikste maddeler satırlarda faktörler de sütunlarda gösterilir.

56 Birinci Faktör: •Değişkenler/ maddeler ile mümkün olan en iyi bağlantıyı kurar. •Toplam varyanstan aslan payını alır. •Tek bir faktör, bütün veri setinde varyansın en iyi özetleyicisidir. Döndürülmemiş Faktör Yapısı

57 •Takip eden her faktör açıklamayan varyansın en fazlasını açıklamaya çalışır. •İkinci faktör ve sırasıyla diğerleri kendi öz değerini maksimize etmeye çalışır. Döndürülmemiş Faktör Yapısı

58 3

59 •Döndürülmemiş bir faktör yapısını inceleyelim. •Birçok madde iki veya daha çok faktörden yük alır. •Bazı maddeler hiçbir faktörden yüksek yük almaz. •Faktör yükleri döndürülmeden yorumlanması da zordur. •Faktör yükleri matriksinin döndürülmesi daha yorumlanabilir bir faktör yapısının bulunmasına yardım eder.

60 Faktör Döndürmenin iki Temel Türü Orthogonal / Dik (SPSS Varimax) Oblique / Eğik (SPSS Oblimin)

61 İki Temel Faktör Döndürmesi 1.Orthogonal / Dik Döndürme Faktör kovaryanslarını minimize eder, ilişkisiz olan faktörler üretir. 2.Oblimin / Eğik Döndürme değişken faktörler üretir ve faktörler arasında korelasyon sağlar.

62 Döndürmenin Mantığı

63 63 Orthogonal Döndürme

64 Faktör 1 Faktör 2 Faktör 1 Faktör 2  İlgisiz (orthogonal) rotasyon   Eğik (oblique) rotasyon

65 Faktör yükleri matriksi neden döndürülür? •Döndürmeden sonra maddeler açıklanan varyans itibarıyla daha optimal duruma gelirler. •Buna bağlı olarak faktörler daha yorumlanabilir duruma gelir.

66 Orthogonal mı? Oblique mi? •Bunun için önce faktör analizini niçin yaptığınızı düşünün. •Şüpheli iseniz her ikisini de deneyin. •Faktörlerin yorumlanabilirliğini göz önünde bulundurun.

67 Döndürülmüş Matriksler XXXXX Alt Boyutu YYYYYY Alt Boyutu ZZZZZZ Alt Boyutu

68 Yorumlanabilirlik •Sadece faktör yükleri ile hareket etmek risklidir– Dikkatli düşünün- teoriye göre hareket etmeyi ihmal etmeyiniz. •Bir faktör çıktığında onun yorumlanabilir olup olmadığına bakınız.

69 Yorumlanabilirlik •Sadece görmek istediğimize odaklanmamak gerekir; daha iyi bir açıklama olabilir. •Güzel bir sonuçtan daha güzel olan sonuçlar da olabilir. – 2 faktörlü model – 5 faktörlü model – 16 faktörlü model

70 Faktör yükleri ve madde seçimi Bir faktörün yapısı aşağıdaki koşullarda daha yorumlanabilirdir: 1.Her madde sadece bir faktörden güçlü yük alırsa (> +.40) 2. Her faktör % 3 veya daha yüksek yük alıyorsa; (daha fazla yük = daha yüksek güvenirlik). (Maddelerin tamamının yüksek yük alması gerekmez; ortalama yük de alabilirler.)

71 • Kabul edilebilir en az (kerhen) = 2 • Önerilen en az = 3 • En Fazla = Limiti yok • Daha fazla madde: → ↑ Güvenirlik → ↑ Açıklayabilirlik • Tipik olarak = arası makuldür. Her Faktörde Kaç Madde Olmalı?

72 Madde Ne zaman elenmeli? Maddenin faktör yükü düşükse (min. =.40 [değişebiliyor]) Başka bir faktörden güçlü yük alıyorsa (>.30) Not: Eleyeceksen bir defada sadece bir madde ele

73 Faktör Yükleri ve Madde Seçimi Comrey & Lee (1992)‘ye göre: •Yük >.70 – Mükemmel •>.63 – Çok iyi •>.55 – İyi •>.45 – İdare eder •>.32 – Düşük

74 Diğer Hususlar: Madde puanlarının dağılımının normalliği Maddelerin betimsel değerlerinin kontrol edilmesi. Normale daha yakın dağılım daha sağlıklı faktör yapısı sunar.


"Açımlayıcı Faktör Analizi (AFA). İçerik 1 Faktör analizi nedir? 2 Varsayımlar 3 İşlemler / Süreç 4 Örnekler 5 Özet." indir ppt

Benzer bir sunumlar


Google Reklamları