SB029 Dodatek k přednáškám Základy analýzy dat a SPSS

Prezentace na téma: "SB029 Dodatek k přednáškám Základy analýzy dat a SPSS"— Transkript prezentace:

1 SB029 Dodatek k přednáškám Základy analýzy dat a SPSS
-zadání a výstupy z SPSS SOC 434

2 Faktorová analýza (FA) –zadání a výstupy z SPSS

3 Faktorová analýza -zadání
Do políčka Variables nutno Dát proměnné ze kterých se provede analýza.

4 Descriptives+ Factor scores
Před vlastním výsledkem zobrazí korelační matici všech proměnných navzájem, včetně signifikancí KMO a Bartlett test-zda má smysl na daných datech provádět FA (viz dále u výstupů). Uloží do dat hodnoty faktorových skórů- bude jich tolik , kolik vyjde faktorů. Tyto lze užít jako proměnné nahrazující původní.

5 Rotation+ Options Varimax – nejčateji používaná rotace-viz přednáška.
Rotované řešení je “snadno” čitelné Faktorové zátěže < 0.3~0.4 nemají velký praktický význam (jde vlastně o korelační koef. Mezi proměnnými a faktory)

6 Určení počtu faktorů - Extraction
B A C A. Kaiserovo pravidlo - charakteristické číslo větší nebo rovno 1 B. Scree plot charakteristických čísel – tam kde se láme, je optimální počet faktorů-viz výstup. C-možnost vlastní volby počtu faktorů.

7 Výstupy z faktorové analýzy
SOC 434

8 Počet vlastních čísel >=1 je 8 = počet faktorů (Kaiserovo pravidlo) Procento vysvětleného rozptylu pokud použiji 8 faktorů.

9 Grafické zobrazení počtu faktorů
Zlom v scree plotu signalizuje optimální počet faktorů -zpravidla méně než u Kaiserova pravidla.

10 Testy určující zda má FA smysl
Ukazují nakolik jsou proměnné korelované-platí čím více jsou proměnné korelovány tím je použití FA lepší (ceteris paribus) -Pozor neukazují zda používáme správné proměné, vyjdou někdy dobře i pro dichotomické proměnné, které jsou pro FA naprosto nevhodné KMO – není stricto sensu test, vychází ze srovnnání hodnot párových A parciálních korelačních koeficientů, pokud jsou parciální koef. blízké 0 proměnné měří 1 faktor a vice versa -hodnot od 0 do 1 (nejde o test ale doporučuje se že hodnota by měla být větší než 0,5, optimálně větší 0,7). Bartlett test-nulová hypotéza-proměnné an sobě v základním souboru nezávisí -tuto hypotézu zamítáme pokud je sig <0.05 SOC 434

11 Matice faktorových zátěží
Před rotací Po rotaci (VARIMAX) Faktorové zátěže- korel. koef. mezi proměnnými a faktory (potlačeny menší než 0,3 – viz popis Options). Proměnnou přiřazujeme k faktoru, u kterého má největší faktorovou zátěž (tedy 2. a 4. proměnná k prvnímu faktoru atd.). Rotace pomůže tomu aby se faktorové zátěže přiblížili hodnotám 0 a 1 a umožnili jednodušší přiřazení faktorů a proměnných (ale ne vždy zcela pomůže). Nesmíme zapomenout, že pokud potlačíme některé hodnoty faktorových zátěží stále zpravidla faktor na ostatních proměnných alespoň slabě závisí. SOC 434

12 Shluková analýza+K-means –zadání a výstupy z SPSS

13 Shluková analýza SPSS:

14 V metodách nutno vybrat
metodu pro shlukování a určit zda mám intervalové či binární proměnné. U nich pak určit metodu měření vzdáleností. Shluková analýza - zadání Do políčka Variables nutno dát proměnné ze kterých se provede analýza.

15 Shluková analýza - zadání
Standardizaci je nutno Použít pokud proměnné vstupující do analýzy jsou na různých škálách.

16 V záložce Plots nutno zaškrtnout Dendrogram-nejdůležitější výstup. A B
Můžeme zadat zda si přejeme A)Neurčovat skupinovou příslušnost B)určit skupinovou příslušnost do předem daného počtu shluků C)určit skupinovou příslušnost-pro různé počty shluků Pokud zvolíme B, nebo C a ve volbě Save zaškrtneme odpovídající volbu dostaneme v datech novou proměnnou /pro C nové proměnné ve kterých pro každý případ určeno do jakého shluku patří V záložce Plots nutno zaškrtnout Dendrogram-nejdůležitější výstup. A B C SOC 434

17 Výstupy ze shlukové analýzy
SOC 434

18 Between-groups linkage
DENDOGRAM Min = 0 Max = 25 Centroid method Nearest neighbor Vzdálenost mezi případy Between-groups linkage Pozor - různé způsoby shlukování dávají různé výsledky

19 Pozor - různé způsoby shlukování dávají různé výsledky
DENDOGRAM – čtení výsledků Min = 0 Max = 25 Nejdříve došlo ke spojení případů 6,7,11 ( a také 5,13 či 12,15 atd.) Tyto případy mají k sobě nejblíže. Vzdálenost mezi případy Pokud chceme stanovit například 2 shluky musíme vést řez dendrogramem a rozdělit případy do dvou shluků. (1. shluk tvoří případy od 6 do 15 a 2. zbývající). 2 výsledné shluky Pozor - různé způsoby shlukování dávají různé výsledky

20 K-means cluster - nehierarchická metoda
Raději nepoužívat, mění centroidy v průběhu přiřazování, záleží na pořadí Maximální počet iterací mohu zvýšit, ale není třeba. Do políčka Variables nutno dát proměnné ze kterých se provede analýza. Volba Save umožňuje uložit skupinovou příslušnost a vzdálenost od „středu“ shluku.

21 POČÁTEČNÍ ŘEŠENÍ ROVNOU ZJISTÍM, ZDA MAJÍ PROMĚNNÉ VSTUPUJÍCÍ DO SESKUPOVACÍ ANALÝZY SMYSL ZABÍRÁ HODNĚ PAMĚTI KDYŽ ZADÁVÁM POČÁTEČNÍ ŘEŠENÍ ULOŽENÍ CENTROIDŮ

22 Výstupem z K-means procedury je pouze skupinová příslušnost
Tedy každý případ je zařazen do jednoho ze shluků. Počet shluků musíme předem zadat, pokud tedy chceme například získat rozdělení do 2,3,4 shluků musíme proceduru Spustiz třikrát a poté řešení porovnat. Pokud zaškrtneme možnost volby ANOVA v Options zobrazí se nám navíc tabulka pro analýzu rozptylu, která nám řekne zda jsou mezi shluky opravdu rozdíly.