Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Faktoranalízis az SPSS-ben Petrovics Petra Doktorandusz = Adatredukciós.

Hasonló előadás


Az előadások a következő témára: "Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Faktoranalízis az SPSS-ben Petrovics Petra Doktorandusz = Adatredukciós."— Előadás másolata:

1 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Faktoranalízis az SPSS-ben Petrovics Petra Doktorandusz = Adatredukciós módszer

2 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Feladat Megnyitás: faktoradat_msc.sav Fogyasztók materialista vonásai (Richins-skála) Forrás: Sajtos-Mitev 250.oldal

3 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Faktoranalízis folyamata 4. Faktormódszer kiválasztása 5. Faktorok számának meghatározása 6. Faktorok rotálása 8. Faktorelemzés érvényességének ellenőrzése 3. Az adatok alkalmasságának vizsgálata 1. A probléma megfogalmazása 7. Faktorok értelmezése, jellemzése Elnevezés, értékelés 2. Feltételek vizsgálata

4 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Feltáró = új faktorok létrehozására Megerősítő (konformatikus) = modell tesztelésére, bizonyítására Szubjektív 1. A probléma megfogalmazása Közös faktroelemzés (közös variancia) Főkomponens elemzés (teljes variancia) Ha nem ismerjük a változókat Lehető legmagasabb magyarázott varianciahányad Ha nem ismerjük a varianciákatLehető legkevesebb faktor DE: gyakorlat: Bonyolult, időigényes Általában ezt használjuk

5 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 1.Elemzés érvényessége, változók alkalmassága 2.Metrikus változók / Dummy változók 3.A változók eloszlása normális Analyze / Regression / Linear / Plots… / Histogram 2. Feltételek vizsgálata Stb.

6 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 4.Homoszkedaszticitás Analyze / Regression / Linear / Plots… / Scatterdot… 2. Feltételek vizsgálata Stb.

7 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 5.Multikollinearitás – korrelációs mátrix 2. Feltételek vizsgálata Analyze / Correlate/ Bivariate Stb. … …

8 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 6.Nagyobb minta 7.„Minta elemszáma / változók száma” arány Min. 10-szer több válaszadó, mint változó 2. Feltételek vizsgálata

9 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet a)Korrelációs mátrix Erős korreláció, de nem túl erős Analyze / Data Reduction / Factor / Descriptives 3. Adatok alkalmasságának vizsgálata Az értékek 75%-a szignifikáns.

10 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet b)Anti-image mátrix „nem magyarázott szórásnégyzet” Analyze / Data Reduction / Factor / Descriptives Anti-image kovariancia mátrix Anti-image korrelációs mátrix ~ korrelációs mátrixának átlóbeli értékei függnek:  Mintanagyság  Változók száma  Korrelációk átlagos mértéke  Faktorok száma 3. Adatok alkalmasságának vizsgálata

11 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Kis érték (0,09 alatt az esetek min. ¾-ében)– a variancia független a többitől  nincs szoros kapcsolat MSA (Measure of Sampling Adequecy) Mennyire van szoros kapcsolatban a többi változóval  0,5 alattit kizárni Itt: 0,67-0,87 b)Anti-image mátrix 3. Adatok alkalmasságának vizsgálata … …

12 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet c) Bartlett teszt H 0 : nincs korreláció H 1 : van korreláció Analyze / Data Reduction / Factor / Descriptives 3. Adatok alkalmasságának vizsgálata

13 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet d)Kaiser-Meyer-Olkin kritérium MSA értékek átlaga (összes változóra) Analyze / Data Reduction / Factor / Descriptives 3. Adatok alkalmasságának vizsgálata

14 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 4. Faktormódszer kiválasztása Analyze / Data Reduction / Factor / Extraction Ha a változók száma magas (sajátérték sorrendjében magyaráz) Nem kell ismerni az eloszlást DE: standardizálni Ha az anti-image mátrix átlójában levő elemek 1-hez, az azon kívüliek pedig 0-hoz közelítenek Ha a változók száma nő: maximum-likelihood, alfa, image módszer

15 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 5. Faktorok számának meghatározása 1.A priori információk alapján 2.Kaiser kritérium: ha 1 alatti a sajátérték, kevesebb információt hordoz a faktor, mint 1 változó  Ha változónk van Egy faktor által az összes változó varianciájából magyarázott variancia Minél magasabb varianciahányadot tudunk magyarázni, annál, több információ marad meg az elemzés során  3. Varianciahányad-módszer 3

16 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Output Faktorok száma Ahány kiinduló változónk volt Csökkenő sorrend Faktorelemzés után 1-nél nagyobb sajátérték! Magyarázott variancia %-a (Min. 60% kell) 3. Varianciahányad-módszer

17 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 5. Faktorok számának meghatározása 4. Scree plot Sajátérték ábrázolása 5-6 faktor Könyökkritérium: ahol az egyenes meredeksége megváltozik

18 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 5. Faktorok számának meghatározása Maximum likelihood módszer 4 faktor 5 faktor 6 faktor 56 ~ H 0 : illeszkedik H 1 : nem illeszkedik 0,1 feletti α esetén jól illeszkedik

19 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 5. Faktorok számának meghatározása MódszerFaktorok száma A priori 3 Kaiser-kritérium 4 Varianciahányad-módszer (4) 5↑ Scree-teszt 5-6 Maximum-likelihood 6

20 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 6. Faktorok rotálása Hegyesszögű forgatásDerékszögű forgatás A faktorok korrelálnak egymással A faktorok nem korrelálnak egymással Használata A faktorok értelmezhetősége az elsődleges Pl. regresszióhoz vagy más előrejelző technikához használjuk = A faktorok tengelyeinek elforgatása úgy, hogy egyszerűbb és értelmezhetőbb faktormegoldásokat kapjunk. Térben is látni

21 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 6. Faktorok rotálása Faktorok mentése: Factor Analysis / Scores KMO&Bartlett Principal Components; faktorok száma (4) Varimax

22 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Output érvényesség Kezdeti érték Mindig 1 (ha Principal Comp.) Egy változó varianciájának mekkora részét magyarázza az összes faktor (faktorsúlyok négyzetösszege) Hüvelykujjszabály: min. 0,25

23 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Output Faktorszám meghatározása Kezdeti értékek

24 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet

25 7. Faktorok értelmezése, jellemzése 1. faktor2. faktor3. faktor4. faktor M14_HAPY M17_HAPY M15_HAPY M18_HAPY M16_HAPY M4_SUCES M12_CENTR M2_SUCES M1_SUCES M10_CENTR M11_CENTR M7_CENTR M8_CENTR M9_CENTR M6_SUCES M3_SUCES M13_CENTR M5_SUCES HAPY -: Fontosak a tárgyak az élet élvezéséhez SUCESCENTR„Mások véleményének figyelmen kívül hagyása”

26 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Ne fogadjuk el az első megoldást: o Több rotációs eljárás o Változók elhagyása (alacsony faktorsúly) Keresztérvényesség-vizsgálat A mintát 2 véletlenül kiválasztott részre osztjuk - faktorelemzés 8. Faktorelemzés érvényességének ellenőrzése

27 Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Köszönöm a figyelmet!


Letölteni ppt "Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Faktoranalízis az SPSS-ben Petrovics Petra Doktorandusz = Adatredukciós."

Hasonló előadás


Google Hirdetések