Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

ISS Faktorová analýza Semináře ke kurzu Analytické metody výzkumu Jindřich Krejčí.

Podobné prezentace


Prezentace na téma: "ISS Faktorová analýza Semináře ke kurzu Analytické metody výzkumu Jindřich Krejčí."— Transkript prezentace:

1 ISS Faktorová analýza Semináře ke kurzu Analytické metody výzkumu Jindřich Krejčí

2 ISS Analytické metody výzkumu, seminář Jindřich Krejčí, Str. 2 Faktorová analýza  explorační / konfirmační  cíl: identifikace několika málo faktorů, které reprezentují vztahy ve větším počtu vzájemně souvisejících prom.  metoda: analýza korelací uvnitř sady proměnných identifikace faktorů, různé úlohy: popis vztahů mezi proměnnými pomocí faktorů interpretace faktorů podle shluků silně korelovaných proměnných vytvoření nových proměnných shrnujících variabilitu celé sady proměnných

3 ISS Analytické metody výzkumu, seminář Jindřich Krejčí, Str. 3 Model pro analýzu  teoreticky zdůvodněný výběr proměnných (nikoliv výlov rybníka)  předpoklad, že za sadou měřených proměnných je skrytá dimenze - faktor (1 - více) vysvětlující komplexnější jev  měřené proměnné v sadě lze vyjádřit jako lineární kombinace faktorů, která nejsou přímo měřené a společné faktory zakládají některé vztahy mezi prom. Logika dobré analýzy:  cílem je sumarizace a simplifikace  hledáme malý počet smysluplných - dobře interpretovatelných faktorů

4 ISS Analytické metody výzkumu, seminář Jindřich Krejčí, Str. 4 SPSS: Postup analýzy 1. matice korelací mezi všemi proměnnými v sadě  identifikace nekorelovaných proměnných když jsou korelace malé je menší předpoklad existence společného faktoru, testy: Barlett test of sphericity - že koef. jsou větší než 0 - významnost předpokladem pro faktorovou analýzu anti-image correlation matrix - negativ parciálních korelací: pokud proměnné sdílejí spol. faktor parciální korelace (mezi páry prom. za eliminace vlivu ostatních prom.) by měly být malé KMO (Kaiser-Meyer-Olkin): porovnání významností normálních a parciálních korelací (hodnoty: 0,9 úžasné, 0,8 chvályhodné, 0,7 průměrné, 0,5 mizerné, <0,5 nepřijatelné)

5 ISS Analytické metody výzkumu, seminář Jindřich Krejčí, Str Extrakce faktorů  určení společných faktorů pro sadu proměnných, několik metod: nejběžnější - analýza hlavních komponent: faktory jako lineární navzájem nekorelované kombinace pozorovaných proměnných nezadávají se předem faktorové zátěže zformuje tolik faktorů, kolik je proměnných, postupně od nejsilnějšího po nejslabší informuje o rozsahu vysvětlení variance - eigenvalue převede sadu navzájem korelovaných proměnných na sadu nekorelovaných výsledné faktory ve standardizované podobě, průměr 0 a std. odchylka 1

6 ISS Analytické metody výzkumu, seminář Jindřich Krejčí, Str. 6 další metody extrakce: principal-axis (stejně jako principal component, ale diagonála korelační matice nahrazena odhady komunalit) unweighted least-squares (počet faktorů dán předem, minimální rozdíly mezi původní a reprodukovanou korelační maticí) maximum-likelihood (původní korelační matice za předpokladu normálního rozdělení) alpha (předpokládá, že proměnné, ne případy pocházejí z výběru) image factoring (společná část proměnné def. jako lin. regrese zbývajících proměnných)  určení počtu faktorů pro další práci (SPSS default: eigenvalue>1, další horší, než jednotlivá prom.)  signifikance modelu o různém počtu faktorů: chí 2  výsledky: 1. každá proměnná může být vyjádřena pomocí faktorů 2. každý faktor je různě „sycen“ jednotlivými proměnnými a na základě toho je možné jej interpretovat

7 ISS Analytické metody výzkumu, seminář Jindřich Krejčí, Str Rotace  hledání smysluplnějších faktorů pomocí transformace původní matice faktorových zátěží  zpřehlednění matice tak, aby jednotlivé faktory měly silné vztahy k některým proměnným a výrazně slabší k ostatním a šli tak lépe interpretovat  děje se tak pomocí rotace os v prostoru faktorových zátěží  procento vysvětlení a signifikance modelu se nezmění

8 ISS Analytické metody výzkumu, seminář Jindřich Krejčí, Str. 8 Metody rotace: ortogonal rotation: zachová pravé úhly, oblique: zkreslení Ortogonal:  varimax: pro každý faktor minimalizuje počet proměnných s vysokými zátěžemi => tj. zjednodušení vysvětlení faktorů  quartimax: pro každou proměnnou minimalizuje počet faktorů => tj. zjednodušení vysvětlení proměnných  equamax: kombinace varimax a quartimax 4. Interpretace faktorů:  vyřazení faktorů s malými zátěžemi  seřazení matice tak, aby prom. interpretující jednotl. faktory byly pohromadě


Stáhnout ppt "ISS Faktorová analýza Semináře ke kurzu Analytické metody výzkumu Jindřich Krejčí."

Podobné prezentace


Reklamy Google