Faktör analizi, belirli değişkenler arasındaki olası ilişkileri açıklamayı amaçlayan istatistiksel bir indirgeme yöntemidir. Bunu yapmak için, gözlemlenemeyen diğer faktörlerin etkisini dikkate alarak.
Bu nedenle, bu analizin yaptığı şey azaltmaktır. Böylece çok sayıda değişken alıyoruz ve bu teknikle onları daha yönetilebilir bir boyuta indirmeyi başarıyoruz. Bunu yapmak için, gözle görülmeyen diğerleriyle gözlemlenenlerin bir dizi doğrusal kombinasyonu kullanılır.
İki model: keşfedici ve doğrulayıcı
Bu istatistiksel tekniği gerçekleştirmenin iki yolu var, ikisi arasında bilinmesi gereken açık farklar var.
- Keşif faktörü analizi: Bu durumda amaç, geçerli olup olmadıklarını kontrol etmek için gizli yapıları (görünmeyen) bilmektir. Bu nedenle, daha sonraki bir model oluşturmaya hizmet eden keşfedici türden bir bilgi ile uğraşıyoruz, ancak bunu a priori bilmiyoruz.
- Doğrulayıcı faktör analizi: Bu durumda istatistiksel bir doğrulama süreci ile karşı karşıyayız. Çalışılan fenomenle ilgili mevcut literatürle oluşturulan teorik bir modelden başlıyoruz. Daha sonra geçerlilik derecesini bilmek için karşılaştırırız.
Faktör analizi nasıl yapılır
Sosyal bilimlerde en çok kullanılanlardan biri olan açıklayıcı faktör analizinin nasıl yapılabileceğini basit bir şekilde görelim. Analiz yapılırken SPSS gibi istatistik programlarında aşağıda belirtilen noktaların seçilebileceği unutulmamalıdır.
- Güvenilirlik analizi: Normalde, modelin iç tutarlılığının bilinmesini sağlayan Cronbach's Alpha kullanılır. 0.70'den büyük değerler kabul edilebilir olarak kabul edilir.
- Tanımlayıcı istatistikler: Bunlar bize analiz edilen veriler hakkında temel bilgiler sağlar. Ortalama, varyans veya maksimum ve minimum.
- Korelasyon matrisi analizi: Bu hesaplamalar SPSS tarafından yapılmaktadır. Burada determinantın sıfıra yakın olup olmadığına dikkat etmeliyiz. Öte yandan, hesaplanan korelasyonlar sıfırdan farklı olmalıdır.
- KMO numune yeterliliği ölçüsü: Korelasyon katsayılarını karşılaştırmamızı sağlar. Bir yanda gözlemlenenler, diğer yanda kısmi olanlar. 0 ile 1 arasında değerler alır ve 0,5'ten büyük ise kabul edilebilir olarak değerlendirilir.
- Bartlett'in küresellik testi: Bu durumda korelasyon matrisinin bir kimlik matrisi olması ile tezat oluşturur, bu durumda analiz yapılamamaktadır. Tahmini Ki kare hesaplanır ve teorik olandan küçükse faktör analizi yapılabilir.
- Ortaklığın analizi: Yine alaka düzeyinin bir göstergesidir. Geçerli olması için 0,5'ten büyük değerler alması gerekir.
- Döndürülmüş Bileşen Matrisi: Normalde 1 değerinden büyük olan özdeğerleri çıkarmak için kullanılır. Bu şekilde değişkenleri temsil eden indirgenmiş faktörler elde edilir. Sayıyı seçmek için sedimantasyon grafikleri ve matrisin kendisi kullanılır.
- Açıklanan toplam varyans: Son olarak, bu analiz bize önerilen model tarafından açıklanan toplam varyansın ne olduğunu söyler. Bu nedenle, bu değer ne kadar yüksek olursa, model toplam veri setini o kadar iyi açıklar.
Faktör analizi örnekleri
Faktör analizinin farklı bilim alanlarında birçok uygulaması vardır.
Hadi bazı örneklere bakalım:
- Pazarlamada, satın alma isteğini bilmek istediğimizde yaygın olarak kullanılır. Örneğin, çeşitli sosyoekonomik, duygusal veya kişisel değişkenleri analiz ederiz. Bunları elde ettikten sonra faktör analizi ile sayılarını azaltıyoruz ve daha iyi yorumlayabiliyoruz.
- Muhasebede, hangi kalemlerin ticari kar elde edilmesini en açık şekilde etkilediğini bilebiliriz. Böylece, nerede daha fazla etkiye sahip olmamız gerektiğini bileceğiz.
- Eğitimde bir öğrencinin bir konuya yatkınlığını bilebiliriz. Onu inceleme yolunda belirli anketler yaparak, faktör analizi uygulayabileceğimiz bir veri tabanı elde edebiliriz.