Maliye’de SPSS Uygulamaları Faktör Analizi Maliye’de SPSS Uygulamaları Doç. Dr. Aykut Hamit Turan SAÜ İİBF/ Maliye Bölümü

Öğrenme Hedefleri Bu konuyu çalıştıktan sonra: Faktör analizi öğrenilecek Faktör analizinin aşamaları öğrenilecek Veri setinin faktör analizi için uygunluğu değerlendirilecek Faktörlerin elde edilmesi öğrenilecek Faktörlerin rotasyonu öğrenilecek Faktörlerin isimlendirilmesi öğrenilecek KMO ve Bartlette Test of Sphericity öğrenilecek

İçindekiler Konunun Özeti Değerlendirme Soruları

Faktör analizi öğrenilecek Faktör analizi, birbirleriyle ilişkili çok sayıdaki değişkeni az sayıda, anlamlı ve birbirinden bağımsız faktörler haline getiren ve yaygın olarak kullanılan çok değişkenli istatistik tekniklerden biridir. Faktör analizi yöntemlerinden, faktörlerin elde edilmesinde en yaygın olarak kullanılan Temel Bileşen Analizidir (Principal Component Analysis – PCA) Bu durum böylece devam eder. Burada önemli nokta analiz sonucunda elde edilen faktörler arasında korelasyon olmamasıdır, faktörlerin orthogonal olmasıdır

Faktör Analizi Aşamaları Faktör analizinin aşamaları öğrenilecek Faktör Analizi Aşamaları Faktör analizinde dört temel aşama söz konusudur. Veri setinin faktör analizi için uygunluğunun değerlendirilmesi, Faktörlerin elde edilmesi, Faktörlerin rotasyonu ve Faktörlerin isimlendirilmesidir

Veri Setinin Uygunluğu Veri setinin faktör analizi için uygunluğu değerlendirilecek Veri Setinin Uygunluğu Veri setinin faktör analizi için uygun olup, olmadığının değerlendirilmesi için üç yöntem kullanılır. Bunlar korelasyon matrisinin oluşturulması, Barlett Testi ve Kaiser Meyer Olkin (KMO) testleridir İstenen değişkenler arasındaki korelasyonların yüksek olmasıdır. Çünkü değişkenler arasındaki korelasyon ne kadar yüksekse, değişkenlerin ortak faktörler oluşturması olasılıkları o kadar yüksek olmaktadır. Barlett Testi (Barlett Test of Sphericity) korelasyon matrisinde değişkenlerin en azından bir kısmı arasında yüksek oranlı korelasyonlar olduğu olasılığını test eder. Kaiser Meyer Olkin (KMO) örneklem yeterliliği ölçütü: Gözlenen korelasyon katsayıları büyüklüğü kısmi korelasyon katsayılarının büyüklüğünün karşılaştıran bir endekstir. KMO oranının 0,5’in üzerinde olması gerekir

Faktörlerin Elde Edilmesi Faktörlerin elde edilmesi öğrenilecek Faktörlerin Elde Edilmesi Amaç değişkenler arasında ilişkileri en yüksek derecede temsil edecek az sayıda faktör elde etmektir Özdeğer istatistiği 1’den büyük olan faktörler anlamlı olarak kabul edilir. Scree test grafiği (çizgi grafiği) her faktöre ilişkin toplam varyansı gösterir. Grafiğin yatay şekil aldığı noktaya kadar olan faktörler, elde edilecek maksimum faktör sayısı olarak kabul edilir Her ilave faktörün toplam varyansın açıklanmasına katkısı %5’in altına düştüğünde maksimum faktör sayısına ulaşılmış demektir. Joliffe Kriteri: 0,70’in altındaki tüm faktörler modelden çıkarılır Varyansın %90’ını açıklayan faktör sayısı yeterli kabul edilir

Faktörlerin Rotasyonu Öğrenilecek Faktör Rotasyonu Faktör rotasyonunda amaç, isimlendirilebilir ve yorumlanabilir faktörler elde etmektir. Rotasyonda en çok kullanılan yöntem orthogonal rotasyondur. Orthogonal rotasyonda elde edilen faktörler birbirleri ile korelasyon içinde değildirler. Orthogonal olmayan (Obligue) rotasyonda faktörler birbirleri ile korelasyon içerisindedirler. Başka bir değişle bağımsız değildirler. Orthogonal rotasyonda üç teknik kullanılır. Bunlar sırasıyla varimax (en çok kullanılan tekniktir), equamax ve quartimax’dır. Promax ve Direct Oblimin yöntemleri ise oblique rotasyon yapılmak istendiğinde kullanılan tekniklerdir. Veri seti çok büyükse Promax rotation, Direct Oblimin Rotation’a tercih edilir.

Faktörlerin İsimlendirilmesi Faktörlerin İsimlendirilmesi Öğrenilecek Faktörlerin İsimlendirilmesi Faktörler teoriye ve uygulamaya uygun bir şekilde araştırmacı tarafından isimlendirilmelidir Analyze > Dimension Reduction > Factor seçeneklerini seçip faktör analizi menüsünü açılır Gerekli ise ters kodlamalar yapılır Descriptive menüsü altında KMO and Bartlett Test of Sphericity seçilir Extraction menüsü altında PCA – Principal Component Analysis seçilir Unrotated Factor Solution ve Scree Plot seçilir Rotation menüsü altında varimax rotasyonu seçilir Options menüsü altında replace missing values with mean seçeneği seçilir Coefficient display format sorted by size olarak belirlenir

Çoklu Doğrusal Regresyon Çoklu Doğrusal Regresyon Öğrenilecek Çoklu Doğrusal Regresyon Değişken ekleme ve eleme metodu (Stepwise Selection) ise her değişken modele sırayla eklenir ve model değerlendirilir. Eğer eklenen değişken modele katkı sağlıyorsa modelde bu değişken kalır. Veriler SPSS’e girildikten sonra Analyze > Regression > Linear seçenekleri ile doğrusal regresyon menüsü açılır Dependent bağımlı, independent bağımsız değişkenin yer alacağı kutucuktur Statistics sekmesinden Durbin Watson istatistiği seçilir ANOVA testi regresyon modelinin bir bütün olarak anlamlı olup, olmadığını gösteren bir istatistiktir

KMO ve Bartlett KMO test değeri 0,50’den büyükse KMO ve Bartlett Test of Sphericity KMO ve Bartlett KMO test değeri 0,50’den büyükse Bartlett testi ise anlamlı ise p değeri 0,05’ten küçükse Veri setimiz faktör analizi için uygundur denir