KONU: Bu araştırmada aşağıdaki 5 özellik dikkate alındığında sağlık göstergeleri

bakımından yıllar bazında(1991-2004) nasıl gelişme sağlanmış, hangi yıl daha çok
gelişme sağlanmış bunlar incelenecektir.

hasyat yatbas dokbasn sagocs sagevs X1: Hastane yatağı sayısı(hasyatsa)

sa nü ü a a
139.606 410 1.075 3.672 3.263
X2: Yatak başına nüfus(yatbasnü)
142.511 410 1.024 3.829 3.839 X3: Doktor başına nüfus(dokbasnü)
147.774 403 974 4.226 4.359 X4: Sağlık ocağı sayısı(sagocsa)
150.565 403 921 4.575 4.712 X5: Sağlık evi sayısı(sagevsa)
151.972 406 890 4.927 5.065
155.819 404 886 5.055 5.266
Özellikler=p=5
159.291 402 869 5.185 5.491
n=14
164.791 395 842 5.335 5.807
169.365 391 809 5.619 5.856
172.449 391 792 5.700 6.169
Bu 5 tane özelliği özet istatistikleri ile
175.190 390 754 5.763 6.233 tanıtırsak;
178.135 390 729 5.773 6.290
180.797 389 727 5.893 6.298 Descriptives
189.591 376 720 6.042 6.275
Descriptive Statistics

Std.
N Minimum Maximum Mean Deviation Variance
hasyatsa 14 139606,00 189591,00 162704,0 15376,64 2,4E+08
yatbasnü 14 376,00 410,00 397,1429 9,7811 95,670
dokbasnü 14 720,00 1075,00 858,0000 112,5488 12667,231
sagocsa 14 3672,00 6042,00 5113,8571 775,7832 601839,5
sagevsa 14 3263,00 6298,00 5351,6429 987,9740 976092,6
Valid N (listwise) 14

 Bütün özelliklerin denek sayısı=N=14

 14 verinin ortalaması hasyatsa için=162704,yatbasnü için= 397,1429,dokbasnü
için=858, sagocsa için=5113,8571,sagevsa için=53516429 ‘dur.
 14 verinin en küçüğü hasyatsa için=139606,yatbasnü için=376,dokbasnü
için=720, sagocsa için=3672,sagevsa için=3263‘dir.
 14 verinin en büyüğü hasyatsa için=189591,yatbasnü için=410,dokbasnü
için=1075, sagocsa için=6042,sagevsa için=6298 ‘dir.
 Dağılımdaki deneklerin ortalamadan ayrılışlarının karesel ortalaması olan
standart sapma hasyatsa için=15376,64,yatbasnü için=9,7811,dokbasnü için=112,5488,
sagocsa için=775,7832,sagevsa için=987,9740 ‘dır.

 Dağılımdaki deneklerin ortalamadan ayrılışlarının ortalama ölçüsü olan varyans

hasyatsa için=2,4E+08,yatbasnü için=95,670,dokbasnü için=12667,231, sagocsa
için=601839,5,sagevsa için=976092,6 ‘dır. Bu aynı zamanda ölçümler arası değişimi
gösterir.

1
  Bu 5 değişkenin birimleri aynı ve sayıdır. Dolayısıyla standartlaştırmaya gerek
yoktur.

Bu değişkenler arası ilişkiyi incelemek için R korelasyon matrisine bakarsak;

Correlation Matrixa

hasyatsa yatbasnü dokbasnü sagocsa sagevsa

Correlation hasyatsa 1,000 -,969 -,969 ,955 ,933
yatbasnü -,969 1,000 ,901 -,888 -,857
dokbasnü -,969 ,901 1,000 -,986 -,982
sagocsa ,955 -,888 -,986 1,000 ,990
sagevsa ,933 -,857 -,982 ,990 1,000
a. Determinant = 7,494E-07

 Bu R korelasyon matrisi temel bileşenler analizinin temelini oluşturur ve simetrik

bir matristir.bu matris incelendiğinde Hasyatsa değişkeninin diğer değişkenlerle ilişkisi
köşegen dışı elemanlarda gösterilmiştir ve hep çok yüksek. Başta bakınca bu değişken
çok önemli gözüktüğünden çözümleme yapıldığında bu temel bileşen olabilir. Genelde
ise değişkenlerin birbiriyle ilişkisi hep %90 ‘dan büyük olduğundan ilişkilerin önemli
olduğu söylenebilir.İlişkiler önemli olduğundan hem boyut indirgenebilir hem de
bağımsızlaştırma yapılabilir.Büyük ölçüde aynı bilgiyi veriyorlar.Bu değişkenlerin
birbiriyle yoğun ilişkili olması demek R  I olabileceği anlamına gelmektedir.
 Determinant değeri=7,494E-07 ‘dir. Temel Bileşenler Analizinin kullanılabilmesi
için bu determinant değerinin 0 ‘a yakın olması istenir. Dolayısıyla bu koşul
sağlanmaktadır.

Temel Bileşenler Analizinin kullanılıp kullanılamıyacağının testi:

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,794

Bartlett's Test of Approx. Chi-Square 148,092

Sphericity df 10
Sig. ,000

H0: R = I (Küresellik varsayımı sağlanmaktadır.)

HS: R  I (Küresellik varsayımı sağlanmamaktadır.)

 Ki kare değeri=148,092. Büyük çıkmıştır. Dolayısıyla Böyle bir sonuç tesadüfen

değil, başka bir nedenden kaynaklanmaktadır.
 Sig.=0,000. Böyle bir olasılığın tesadüfen ortaya çıkması olasılığını gösterir. Bu

2
değer yanılma düzeyi olan =0,05 ‘den küçük olduğu için H0 reddedilir.Küresellik
varsayımının sağlandığını yani R matrisinin I matrisinden farklı olduğunu %95 güven
düzeyiyle söyleyebiliriz.Dolayısıyla bu araştırmada temel bileşenler analizini
kullanabiliriz.
 Temel bileşenler analizi bir R analiz tekniğidir. Boyut indirgemede ve bağımlılığı
yok etmede kullanılır.

Normallik varsayımının sağlandığını varsayarak çözümleye geçersek;

Communalities

Initial Extraction
hasyatsa 1,000 ,976
yatbasnü 1,000 ,891
dokbasnü 1,000 ,982
sagocsa 1,000 ,974
sagevsa 1,000 ,951
Extraction Method: Principal Component Analysis.

 Başlangıçta her bir değişkenin açıkladığı bilgiye 1 birim diyoruz. Bu tablo

yaptığımız temel bileşenler analizi sonucunda her değişkenin ne kadarının
açıklanacağını gösterir. Burada extractionların 1’e yakın olması istenir. En çok hasyatsa
değişkeni açıklanır bu miktar %97,6 ‘dır.En az olarak yatbasnü değişkeninin %89,1 ‘i
açıklanır.

Total Variance Explained

Extraction Sums of Squared

Initial Eigenvalues Loadings
% of Cumulativ % of Cumulativ
Component Total Variance e% Total Variance e%
1 4,774 95,478 95,478 4,774 95,478 95,478
2 ,193 3,866 99,344
3 1,946E-02 ,389 99,734
4 8,286E-03 ,166 99,899
5 5,035E-03 ,101 100,000
Extraction Method: Principal Component Analysis.

 1 =4,774 , 2=0,193, 3=0,01946, 4=0,008286, 5=0,005035

Bu özdeğerler içinde 1’den büyük olan sadece 1.değişken olduğundan bu değişen temel
bileşen olarak alınacaktır. Yani biz bu 5 değişkeni bu temel bileşenle temsil edebiliriz.
Burda boyut indirgemesi yapmış olmaktayız. Nitekim bu temel bileşen olan 1.değişken
toplam varyansın %95.478’ini açıklamaktadır. Diğer değişkenlerin varyans açıklama
oranları çok az olduğundan bunların katkısı çok azdır.

3
 Scree Plot
6

2
Eigenvalue

0
1 2 3 4 5

Component Number

 1.değişkende ciddi kırılma meydana gelmiştir. Bundan sonrakiler de kırılma

önemsiz olduğundan bunların analize katkısı azdır. Buda temel bileşenler analizini
kullanabileceğimizi ve temel bileşen olarak 1.değişkeni alabileceğimizi göstermektedir.

Component Matrixa

Compone
nt
1
hasyatsa ,988
yatbasnü -,944
dokbasnü -,991
sagocsa ,987
sagevsa ,975
Extraction Method: Principal Component Analysis.
a. 1 components extracted.

 Bu tablo ile temel bileşenin hangilerinden oluştuğuna bakıyoruz. Burda tüm

değerler yüksek olduğundan hepsinden oluşmaktadır.

 Hata=0,988-0,944-0,991+0,987+0,975= 0,01. Böyle bir hata öngörüyoruz. Bu iyi

bir sonuçtur.

 Hasyatsa değişkenine ilişkin (0,988)2=0,976. Bu değerde communalities

tablosunda 1 değişkenin extractionını göstermektedir.

4
 Component Score Coefficient Matrix

Compone
nt
1
hasyatsa ,207
yatbasnü -,198
dokbasnü -,208
sagocsa ,207
sagevsa ,204
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.

Component Scores.

 Score değerleri -1 ile 1 arasında değişir.Biz 5 değişkeni,y 1 ‘i yazarak 1 tane

değişkene indirirsek yani boyut indirgemesi yaparsak;

y1 =0,207x1-0,198x2-0,208x3+0,207x4+0,204x5
Buna göre;
1.değişkenin %20,7’sini,2.değişkenin %19,8’ini,3.değişkenin %20,8’ini,4.değişkenin
20,7’sini, 5.değişkenin 20,4 ‘ünü 1.temel bileşen açıklar.

5
  Sağlık göstergeleri yıllar bazında incelendiğinde gelişimi hastane yatağı sayısı
temel bileşeni ile %95 oranında açıklayabiliriz. Yani fac1-1 sütununa bakarak yılları
gelişmişliğe göre sıralarsak;

1991>1992>2004>2003>1993>2002>2001>2000>1994>1999>1995>1996>1998>1997

Yani sağlık hizmetlerinde gelişme en çok 1991 yılında olmustur.Sonra 1996 yılına kadar
bu hizmetlerde gerileme olmuştur.1996 ‘dan günümüze ise hizmetler tekrar gelişmeye
başlamıştır ve hala da devam etmektedir.