Ozsváth Károly NYME ACSJK Testnevelési Tanszék. Fábián Gy. – Zsidegh M.: A testnevelési és sporttudományos kutatások módszertana, 185-226. p. (SPSS: 185-226.p.,

Az előadások a következő témára: "Ozsváth Károly NYME ACSJK Testnevelési Tanszék. Fábián Gy. – Zsidegh M.: A testnevelési és sporttudományos kutatások módszertana, 185-226. p. (SPSS: 185-226.p.,"— Előadás másolata:

1 Ozsváth Károly NYME ACSJK Testnevelési Tanszék

2 Fábián Gy. – Zsidegh M.: A testnevelési és sporttudományos kutatások módszertana, 185-226. p. (SPSS: 185-226.p., Statistica: 215-226.p.) Fájl: jud2.sta

3

4

5 Változók kijelölése

6

7

8

9 Módszer választás: Főkomponens módszer Alapbeállítás: 2 faktor, sajátérték=1 korláttal Kérhetők a leíró statisztikák, így a korrelációs mátrix.

10

11

12

13

14

15 Vissza a módszer kiválasztás ablakba, majd a sajátértékek lekérése.

16

17

18

19 A két faktor 42,5%-ban magyarázza a teljes varianciát. Ez kissé kevés, a kiszűrendő faktorok számának meghatározásához a kavics ábra („Scree plot” nyújthat segítséget: annyi faktort érdemes elkülöníteni, ahány töréspont található a kavics ábrán. Jelen esetben ez 4.

20

21

22

23

24

25 A 4 faktor már 62%-át magyarázza a teljes varianciának. Ezt követően kell a faktortöltést, a faktorsúlyokat lekérni. („Loadings”)

26

27

28

29

30 Ha gondot okoz a faktorok értelmezése, akkor forgatással, rotációval lehet próbálkozni az áttekinthetőbb kép érdekében.

31

32

33

34

35

36

37 Scores: egyedi/egyéni faktorértékek Pl. az 1 faktor állóképességi jellegű faktor, az itt magas faktorértéket mutató versenyzők állóképessége magas szintű.

38

39

40 Más módszer is választható, pl. a „legnagyobb valószerűség”, a „maximum likelihood” módszer. Itt a scree plot azonban csak a kiszűrt faktorok sajátértékét mutatja. Nézzük meg 3 faktorra az analízist. Látható lesz, hogy ezúttal a rotáció nem változtatja meg az értelmezhetőséget.

41

42

43

44

45

46

47

48

49

50 A FA tehát nem szokott teljesen egyértelmű képet adni, de segítségével sokoldalúan lehet adatainkat elemezni. Csak sok változót tartalmazó, magas elemszámú vizsgálatok esetén van értelme használatának. A FA a „sokból keveset” alapelve szerint segíti az áttekintést vizsgálataink eredményei között.

51 The End of FA2