Előadást letölteni
Az előadás letöltése folymat van. Kérjük, várjon
KiadtaBálint Pataki Megváltozta több, mint 10 éve
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
5
Változók kijelölése
9
Módszer választás: Főkomponens módszer Alapbeállítás: 2 faktor, sajátérték=1 korláttal Kérhetők a leíró statisztikák, így a korrelációs mátrix.
15
Vissza a módszer kiválasztás ablakba, majd a sajátértékek lekérése.
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.
25
A 4 faktor már 62%-át magyarázza a teljes varianciának. Ezt követően kell a faktortöltést, a faktorsúlyokat lekérni. („Loadings”)
30
Ha gondot okoz a faktorok értelmezése, akkor forgatással, rotációval lehet próbálkozni az áttekinthetőbb kép érdekében.
37
Scores: egyedi/egyéni faktorértékek Pl. az 1 faktor állóképességi jellegű faktor, az itt magas faktorértéket mutató versenyzők állóképessége magas szintű.
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.
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
Hasonló előadás
© 2024 SlidePlayer.hu Inc.
All rights reserved.