P. 1
Faktorska analiza

Faktorska analiza

|Views: 37|Likes:
Published by Bojana Shidjanin
psihologija
psihologija

More info:

Categories:Types, School Work
Published by: Bojana Shidjanin on Jan 20, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

09/14/2013

pdf

text

original

FAKTORSKA ANALIZA

Grbić Milka Jovanović Dejan

Definicija - metod višedimenzionalne (multivarijacione) analize koja se koristi za opis meĎusobne zavisnosti velikog broja promenljivih, putem definisanja seta zajedničkih osnovnih dimenzija poznatih kao faktori. Zadatak - sažimanje većega broja meĎusobno povezanih izvornih varijabli u manji broj zajedničkih faktora koji će ih opisivati i objasniti njihovu meĎusobnu povezanost. Primena - primjenjuje se za identifikovanje dimenzija koje nisu odmah uočljive, za testiranje definisanih hipoteza i za istraživanje novoga područja.

 Pretpostavke: polazi se od pretpostavke da meĎu varijablama postoji linearna korelacija, a svaki izdvojeni faktor nije u korelaciji sa drugim faktorima.  Umesto nad velikim brojem koreliranih izvornih varijabli analiza se sprovodi nad nekoreliranim faktorima i na taj se način otklanja problem kolinearnosti varijabli.

466 0.325 1.771 1.378 0.428 0.302 0.490 0.000 0.354 0.307 0.733 0.281 0.497 0.000 0.423 0.479 0.427 1.737 0.724 1.372 0.406 0.311 0.774 0.Tabela 1.000 0.240 0.719 0.427 1.429 0. Orginalna korelaciona matrica V1 V1 Cenovni nivo V2 Osoblje radnje V3 Politika reklamacije V4 Dostupnost proizvoda V5 Kvalitet proizvoda V6 Dubina asortimana V7 Širina asortimana V8 Usluga u radnji V9 Atmosfera u radnji 1.765 0.000 0.000 0.713 0.470 0.000 0.445 0.435 1.000 V2 V3 V4 V5 V6 V7 V8 V9 0.000 0.472 1.471 0.242 0.326 0.719 0.710 1000 .

429 0.372 0.719 0.326 0.240 0.000 0.733 1.470 1.787 1.378 0.000 0.423 0.000 0.479 0.242 0.765 1.406 0.472 0.428 0.774 0.281 0.490 0.427 0. Korelaciona matrica nakon grupisanja vrijabli u faktore V3 V3 Politika reklamacije V8 Usluga u radnji V9 Atmosfera u radnji V2 Osoblje radnje 1.000 V1 Cenovni nivo V5 Kvalitet proizvoda 0.000 V8 V9 V2 V6 V7 V4 V1 V5 0.471 0.325 0.435 0.000 0.713 0.468 0.741 0.000 0.354 0.719 1.497 0.307 0.311 0.427 0.Tabela 2.445 1.724 1.000 V6 Dubina asortimana V7 Širina asortimana V4 Dostupnost proizvoda 0.710 1.302 0.000 iskustvo kupaca u radnji ponuda proizvoda vrednost .

Formulisanje (problem istraživanja) problema Tehnike faktorske analize mogu ostvariti jedan od dava cilja: 1. identifikovanje strukture varijabli kroz sumarizaciju podataka putem ispitivanja korelacija između varijabli ili respondenata – R i Q faktorska analiza 2. Proces odlučivanja u faktorskoj analizi odvija se kroz 6 faza (plus dodatna faza 7) I FAZA . redukcija podataka – indentifikovanje reprezentativnih varijabli iz velikog seta varijabli ili kreiranje potpuno novog seta varijabli koji je brojčano mnogo manji a koji je u stanju da zameni originalni set varijabli .

Veličina uzorka – opšte pravilo je imati bar pet puta više opservacija nego što ima varijabli koje treba analizirati (prihvatljiva veličina je racio 10:1) . Konstrukcija korelacione matrice – matrica sa koeficijentima korelacije između promenljivih. 2.II FAZA – Dizajniranje faktorske analize 1. Ona može poslužiti umesto originalnih promenljivih kao ulazna veličina. Selekcija i merenje varijabli ( kako meriti varijable i koliko varijabli treba uključiti) 3.

III FAZA – Pretpostavke u faktorskoj analizi Multikolienearnost – medjupovezanost setova varijabli Mera adekvatnosti uzorkovanja – kvantifikuje stepen interkorelacija meĎu varijablama i podesnost faktorske analize (kreće se od 0-1) Homogenost uzorka .

Metode ekstakcije: a) faktorska analiza u užem smislu – indentifikuje osnovne faktore koji odražavaju zajedničke karakteristike varijabli b) komponenetna analiza .IV FAZA – Izvođenje (ekstrakcija) faktora i procena opšteg uklapanja 1.ciljeva faktorske analize i .obima prethodnog znanja o varijansi .sumira većinu originalnih informacija u minimalan broj faktora za svrhe predvidjanja Izbor modela (metoda ekstrakcije) zavisi od: .

Broj faktora koji su odabrani da predstavljaju osnovnu strukturu podataka Kriterijumi:  Kriterijum latentnog korena – bilo koji individualni faktor treba da objasni varijansu bar jedne varijable. ako ga treba zadržati za interpretaciju (ako je latentni koren veći od 1 faktor se smatra značajnim) A priori kiterijum – istraživač unapred (pre preduzimanja faktorske analize) zna koliko faktora treba ekstrahovati  .2.

onda će prvi faktori predstavljati one varijable koje su homogenije preko čitavog uzorka .Kriterijum procenta varijanse – baziran na ostvarenju navedenog kumulativnog procenta ukupne varijase ekstrahovane uzastopnim faktorima   Kriterijum scree testa – odreĎujemo optimalan broj faktora koje treba izdvojiti pre nego što specifična varijansa počne da dominira nad zajedničkom  Heterogenost respondenata – ako je uzorak heterogen u pogledu bar jednog podskupa varijabli.

. Respecifikacija faktorskog modela se ostvaruje vraćanjem na fazu ekstrakcije. 2. Rotacija faktora ostvaruje jednostavnija i teoretski značajnija faktorska rešenja.V FAZA – Interpretiranje faktora Tri koraka su uključena u interpretaciji faktora i selekciji finalnog faktorskog rešenja: 1. ekstrakcijom faktora i njihovom ponovnom interpretacijom. Izračunavanje inicijalne nerotirane faktorske matrice koja pomaže u dobijanju preliminarnog broja faktora za ekstrakciju. 3.

Rotacija faktora  Efekat rotiranja faktorske matrice je da se redistribuira varijansa sa ranijih faktora na kasnije faktore. što znači da su ose i dalje meĎusobom ortogonalne tj. nekorelirane jedna sa drugom . pri čemu njihov meĎusobni odnos ostaje nepromenjen. s ciljem da se ostvari jednostavnija teoretski značajnija faktorska matrica Rotacija može biti:  ortogonalna rotacija – u geometrijskom smislu predstavlja rotaciju koordinatnih osa za izvestan ugao. pod uglom od 90ํํ stepeni  kosa rotacija – fleksibilniji i realističniji metod jer faktorske ose ne moraju biti ortogonalne i ne pretpostavlja se da su teorijski važne osnovne dimenzije.

EQUIMAX – kompromis izmeĎu predhodna dva pristupa.Metode ortogonalne rotacije Cilj svih metoda je da se simplifikuju kolone i redovi faktorske matrice da bi se olakšala interpretacija. i što je moguće niže na svim ostalim faktorima 2. VARIMAX – varijansu opterećenja računamo za svaku kolonu posebno. Postoje tri glavna ortogonalna pristupa: 1. tako da je opterećenje varijable visoko na jednom faktoru. QUARTIMAX – cilj je da se simplifikuju redovi faktorske matrice tj. nije široko prihvaćen i ne koristi se često . ovaj metod se fokusira na rotiranje inicijalnog faktora. pa se dobija veći broj zajedničkih faktora 3.

obezbeĎenje praktične značajnosti – što je veća apsolutna veličina faktorskog opterećenja. . gde veća opterećenja čine varijablu reprezentom faktora. to je važnije to opterećenje u interpretaciji faktorske matrice procenjivanje statističke značajnosti – test statističke značajnosti koeficijenta korelacije se direktno primenjuje na elemente matrice faktorskog opterećenja  I. Kriterijumi za značajnost faktorskh opterećenja Faktorska opterećenja su korelacija svake varijable i faktora koje indiciraju stepen korespondentnosti izmeĎu varijabli i faktora. II.

Interpretiranje faktorske matrice – procedura - Ispitati faktorsku matricu opterećenja Identifikovati najviše opterećenje za svaku varijablu Poceniti komunalitete varijabli Označiti faktore . manje je opterećenje koje će se smatrati značajnim. Što je veći broj varijabli koje se analiziraju.Sumiranjem kriterijuma za značajnost faktorskih opterećenja. Što je veći broj faktora. zaključujemo: Što je uzorak veći manje je opterećenje koje će se smatrati značajnim. koja će se smatrati značajnim za interpretaciju. veća je veličina opterećenja na kasnijim faktorima.

VI FAZA – Validacija faktorske analize  Uključuje procenu stepena uopštljivosti rezultata za populaciju i potencijalni uticaj individualnih slučajeva na opšte rezultate Faktorska stabilnost kao aspekt uopštljivosti je zavisna od veličine uzorka i broja slučajeva po varijabli Detekcija uticajnih opservacija   .

onda će se koristiti neki oblik redukcije podataka. Opcije uključuju:  Selekciju surogat varijabli za narednu analizu – istraživač ima opciju ispitivanja faktorske matrice i selekciju varijable sa najvišim faktorskim opterećenjem na svakom faktoru.VII FAZA – Dodatne upotrebe rezultata faktorske analize  Ako je cilj indentifikovati podesne varijable za narednu primenu na druge ststističke tehnike. koja deluje kao surogat varijabla koja je predstavnik tog faktora  Kreiranje sumiranih skala – formiraju se kombinovanjem nekoliko individualnih varijabli u jednu kompozitnu meru  Izračunavanje faktorskih skorova – kompozitne mere svakog faktora izračunate za svaki subjekt. Faktorski skor se izračunava na osnovu faktorskih opterećenja svih varijabli na faktoru .

3. 2. Četiri pitanja koja su osnovna za konstruisanje bilo koje sumirane skale su: Konceptualana definicija Dimenzionalnost Pouzdanost Valjanost . 2. 4.Sumirana skala pruža dve specifične koristi: 1. omogućava da se u izvesnoj meri savlada greška merenja (redukuje grešku merenja putem korišćenja višestrukih indikatora (varijabli)) njena sposobnost da predstavlja više aspekata koncepta u jednoj meri  1.

 Odabir meĎu tri opcije redukcije podataka vrši se poredjenjem njihovih prednosti i mana: Prednosti surogat varijable – jednaostavna za upravljanje i interpretiranje. a nedostatak je da varijable imaju izvestan stepen uticaja u izračunavanju faktorskih skorova. Prednost sumirane skale – kompozitna mera koja redukuje grešku merenja. a nedostatk je da uključuje samo varijable koje vrše visoko opterećenje na faktoru. . a ako se želi uopštljivost onda su podesnije sumirane skale i surogat varijable. Zaključak je da ako se podaci koriste samo u orginalnom uzorku ili ako se ortogonalnost mora održati. i otežavaju interpretaciju. a nedostatak je da je sklona grešci merenja Prednost faktorskih skorava – predstavljaju kompozit svih varijabli koje vrše opterećenje na faktoru. faktorski skorovi su pogodni. a isključuje one koji imaju mali uticaj.

Zaključak – faktorska analiza korisna i moćna multivarijaciona statistička tehnika koja služi za efektivno ekstrahovanje informacija iz velikih baza podataka - .ima sposobnost da identifikuje setove srodnih varijabli i time nudi istraživaču moćan alat u ostvarenju boljeg razumevanja strukture podataka .ukazuje na interesantne odnose koji ne bi možda bili očigledni iz ispitivanja samo sirovih podataka ili čak korelacione matrice .

.Tri ograničenja faktorske analize su: • postoji kontraverza oko toga koja tehnika je najbolja. • subjektivni aspekti faktorske analize i • problem pouzdanosti je realan zbog toga što analiza započinje sa setom nesavršenih podataka.

pri čemu je jedan označavalo “uopšte se ne slaţem sa navedenom izjavom”.podaci prikupljeni metodom ispitivanja na uzorku studenta prve godine Ekonomskog fakulteta -Instrument istraţivanja-upitnik (50 ispitanikanekoliko reči vezanih za proizvod kafa) .na skali od 1 do 7 ispitanici su davali odgovore. a 7 “izrazito se slaţem sa navedenom izjavom” . Utvrđivanje osnovnih karakteristika proizvoda ‚‚kafa‚‚ primenom faktorske analize .Primer. 33 upitnika nisu dobro popunjena .281 ispitanik u obradu ušlo 248 upitnika.

MIRIS – vaţno je da kafa ima dobar miris. BUDJEN – kafa je vaţna za razbuđivanje. PAUZA – kafa znači pauzu. ODMOR – kafa je vaţna za odmor. MIRPRIM – miris kafe je primamljiv. NEZIV – ne mogu ţiveti bez kafe. NESPA – kada popijem kafu. ne spava mi se. POCDAN – kafa je vaţna za početak dana. OSVEZ – kafa je osveţenje. UKUS – vaţno je da kafa ima dobar ukus. KONCEN – kafu pijem kad ţelim biti koncentrisan/a na učenje. BITELT – kafa mi je bitan element u ţivotu. . UZITAK – kafa mi pruţa uţitak.15 VARIJABLI OPUST – kafa je dobra za opuštanje. DOBOS – dobro se osećam dok pijem kafu.

osnov za sprovođenje faktorske analize je korelaciona matrica koja sadrţi jednostavne linearne korelacije svakog para varijabli.. -preduslov za FA je povezanost između izvornih varijabli .

.

Cattellijev dijagram (scree plot) .

matrica faktorske strukture – sadrži faktorska opterećenja koja predočavaju koeficijente korelacije između izdvojenih faktora i varijabli .

ortogonalna.sprovodi se rotacija faktora. Varimax rotacija ..

.

KONCEN – kafu pijem kad želim biti koncentrisan/a na učenje BUDJEN – kafa je važna za razbuđivanje POCDAN – kafa je važna za početak dana. UZITAK – kafa mi pruža užitak.„OPUŠTANJE“ OPUST – kafa je dobra za opuštanje. ne spava mi se. FAKTOR 3 -„ZAVISNOST“ NEZIV – ne mogu živeti bez kafe. DOBOS – dobro se osećam dok pijem kafu.FAKTOR 1 . UKUS – važno je da kafa ima dobar ukus. BITELT – kafa mi je bitan element u životu FAKTOR 4 -„OSVEŢENJE“ MIRIS – važno je da kafa ima dobar miris OSVEZ – kafa je osveženje . ODMOR – kafa je važna za odmor PAUZA – kafa znači pauzu MIRPRIM – miris kafe je primamljiv FAKTOR 2 .„KONCENTRACIJA“ NESPA – kada popijem kafu.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->