Professional Documents
Culture Documents
Faktör analizi, çok sayıdaki veri (anket sonuçları, test skorları, test konuları)
arasındaki ilişkileri (korelasyonları), faktör adı verilen ortak boyutlar altında toplayarak daha
iyi bir şekilde açıklamak için yapılan analizdir.
Faktör analizi ile birbiri ile bağlantılı olan değişkenler, “faktör” adı altında bir araya
toplanmaktadır. Bu işlem sonucunda, yapılacak ilerideki araştırmalarda, duplikasyonların
önüne geçilmesi mümkün olur. Faktör analizinin, birbirleriyle yakın ilişki içinde olan verileri,
kabaca da olsa bir araya getirmenin kestirme bir yolu olduğu söylenebilir. Bu durum Şekil
1’de gösterilmiştir.
Şekil 1’de olay basitleştirilmiştir. Bu şekle göre bazı verilerin diğerleri ile ilişkisi hiç
yoktur (Üçüncü ve yedinci değişkenlerin diğerleri ile hiç ilişkisi olmaması gibi, yine ikinci,
altıncı ve dokuzuncu değişkenlerin diğerleri ile ilişkisi sıfırdır.) Gerçek verilerle çalışılırken
her değişkenin bir diğeri ile az da olsa ilişkisi olabilir. Örneğin birinci faktör altında toplanan
4 değişkenin, diğer 5 değişkenle az da olsa ilişkileri bulunabilir. Bu akılda tutulmakla birlikte
faktör analizinde temel hedefin, birbirinden nispeten bağımsız olan faktörleri ortaya çıkarmak
olduğu dikkate alınmalıdır. Netice olarak 1 numaralı faktör altındaki değişkenlerin birbiriyle
olan ilişkilerinin, ikinci ve üçüncü faktörler altındaki değişkenlerle olan ilişkilerinden çok
daha fazla olduğunu söyleyebiliriz.
V4 V3 V2
V1 V5 V9 V6
V8 V7
1.Faktör 2.Faktör 3.Faktör
V1 V3 V2
V4 V7 V6
V5 V9
V8
Veri Matrisi
Faktör analizinde 3 matris kullanılır: veri matrisi, korelasyon matrisi ve faktör matrisi
(Şekil 2). İstatistik derslerinden hatırlanacağı gibi bir ana kütleden seçilen örneğe bağlı olarak
ana kütle hakkında yapılan yorumların güvenirliliği, örnek hacmi ile yakından ilgilidir. Örnek
hacmi ne kadar büyükse, elde edilen sonuçlar o kadar güvenilirdir. Faktör analizinde
değerlendirmeye alınan verilerle, örnek hacmi (denek veya obje, nesne) arasında belirli bir
ilişkinin olması beklenir. Değişken sayısı arttıkça kullanılması gereken denek sayısı katlamalı
olarak artar. Literatürde bu konuda farklı yaklaşımlar vardır. Kachigan (1991), bu konuda bazı
genel kurallar (RT = rules of thumb) olması gerektiğini ileri sürmektedir; değişken sayısının
on katı kadar veya değişken sayısının karesi kadar denek bulundurmak gibi. Kachigan,
değişken sayısı 10’dan az olduğu durumlarda değişkenler arasındaki korelasyonun anlam
ifade edebilmesi için en az 100 deneğin olması gerektiğini belirtmektedir *. Kline (2000),
denek/değişken oranının 10:1 olmasının arzu edildiğini ancak en az 2:1 oranının kabul
edilebileceğini, oran büyüdükçe elde edilecek sonuçların iyileşeceğini ilave etmektedir **.
Arrindel and van der Ende (1985), denek/değişken oranından ziyade denek/faktör oranının
önemli olduğunu ve bu oranın 20:1 den büyük olması gerektiğini ileri sürmektedir. Hair et al
(1998), denek/değişken oranının en az 5:1 olması gerektiğini, fakat 10:1 oranının daha iyi
*
Sam Kash Kachigan, Multivariate Statistical Analysis, A Conceptual Introduction, Radius Press, New
York,1991 (s.242).
**
Paul Kline, An Easy Guide to Factor Analysis, Routledge, London, 2000 (s.74).
Çok Faktörlü Analizler 4
Korelasyon Matrisi
Şekil 2’de görüldüğü gibi faktör analizinin ikinci aşaması, korelasyon matrisinin elde
edilmesidir. Matris, sistemdeki bütün değişken çiftleri arasındaki kısmî korelasyon
katsayılarının sistematik olarak düzenlenmiş şeklidir. İki değişkene ait korelasyon
katsayısının karesi alındığında, bu değişkenler arasındaki yüzde ilişki ortaya çıkar. Yani 0.8
olan korelasyona göre iki değişken arasında % 64 oranında bir uyuşma vardır, korelasyon
katsayısı 0.3 ise bu uyuşma sadece % 9’dur. Korelasyon katsayısı “0” ise, değişkenler
arasında ilişki yoktur.
O4 Vk Vk
...
On
*
Joseph F. Hair, Rolph E. Anderson, Ronald L. Tatham, William C. Black, Multivariate Data Analysis, Prentice-
Hall International,Inc., New Jersey, 1998 (s.98-99).
Faktör Analizi 5
Faktör Matrisi
Faktör Sayısı
Faktör sayısını belirlerken kullanılan çeşitli yöntemler vardır. Bunlar arasında en çok
kullanılanı “principal component factor analysis” dir. Bu metodu kullanarak değişken sayısı
kadar faktör elde edilebilir. Bunlardan birincisi, sistemdeki varyansın en büyük kısmını
açıklar, ikinci faktör varyansın daha azını, üçüncüsü daha azını açıklar ve son faktöre
gelindiğinde geriye açıklanacak fazla bir şey kalmaz.
Eigen değeri. Faktör analizinde elde edilen her faktöre karşılık gelen bir “eigen değeri”
vardır.Bu değer, faktörün temsil ettiği değişken sayısını gösterir. Örneğin Tablo’da birinci
faktör toplam varyansın yüzde 41’ini, ikincisi yüzde 23’ünü, bu iki faktör birlikte sistemdeki
toplam varyansın yüzde 64’ünü açıklamaktadır. Ortalama bir faktörün değişimin % 11’ini
açıklayacağı (9/100) dikkate alınırsa, ilk iki faktör değişimin üçte ikisini açıklamış olması
önemlidir. Prensip olarak bir faktör, bir değişkenin açıklayabileceği ortalama varyansdan
(yani 1 eigen değerinden) daha azını açıklıyorsa devre dışı bırakılır. Bu durumda örneğimizde
seçilecek faktör sayısı 3 olacaktır.
Çok Faktörlü Analizler 6
Tablo 1. Dokuz Değişkenli Faktör Analizinde Faktör Sıralamasına Göre Toplam açıklanan
Varyans Yüzdeleri ve Bunlara Karşılık Gelen Eigen Değerleri (principal component Çözümü)
Açıklanan toplam Eigen değerleri
varyans (%)
Faktörler
Basit Birikimli Basit Birikimli
F1 41 41 3.69 3,69
F2 23 64 2,07 5,76
F3 14 78 1,26 7,02
F4 7 85 ,63 7,65
F5 5 90 ,45 8,10
F6 4 94 ,36 8,46
F7 3 97 ,27 8,73
F8 2 99 ,18 8,91
F9 1 100 ,09 9,00
Scree testi. Faktör sayısının belirlenmesinin başka yolları da vardır. Bunlardan biri scree
testidir.bu metotta yatay eksende faktörler, dikey eksende açıklanan varyans (%) olan bir
grafik çizilir. Faktörlerin açıkladığı varyanslar grafik üzerinde işaretlenir ve birer doğru ile
birleştirilir. Ortaya çıkan şekilde eğimin çok az değiştiği bölge, dikkate alınması gereken
faktör sayısının sınırını gösterir. Örnekte faktör sayısının 4 olması uygun olmaktadır (Şekil 3).
Açıklanan
varyans
0,5
0,4
0,3
0,2
0,1
0 Faktörler
0 1 2 3 4 5 6 7 8 9 10
Şekil 3.Faktörlerin Açıkladığı Varyansı Gösteren Scree Eğrisi
Faktör Analizi 7
Açıklanan varyans. Faktör sayısının belirlenmesinde bir diğer kriter, açıklanması öngörülen
varyansdır. Eğer yukarıdaki örnekte, açıklanan varyansın % 64 olması yeterli bulunuyorsa, iki
faktör tespit edilecektir. Yok eğer yapılan çalışmanın daha kapsamlı sonuçlar vermesi
isteniyorsa faktör sayısı artırılacaktır. Burada da görüldüğü gibi faktör sayısı, amaca bağlı
olarak değişebilir.
Faktörlerin Rotasyonu
II.Faktör
1
0,8
0,6
I.Faktör
0,4
0,2
0
-0,8 -0,6 -0,4 -0,2-0,2 0 0,2 0,4 0,6 0,8
-0,4
-0,6
-0,8
-1
Varyans
0,5
0,4
0,27 0,25 0,26
0,3
0,2
0,1
0
Rotasyona tabi
1 2 3 tutulan faktörler
(a) Rotasyondan sonra
Faktörlere Ad Vermek