1 / 17

EKSPLORATORNA FAKTORSKA ANALIZA - IZLOČANJE FAKTORJEV

EKSPLORATORNA FAKTORSKA ANALIZA - IZLOČANJE FAKTORJEV. VARIANCA SPREMENLJIVKE = VARIANCA SKUPNIH FAKTORJEV + SPECIFIČNA VARIANCA + VARIANCA NAPAK. PRAVA VARIANCA. 1 = h 2 + s 2 + e 2 Zanesljivost: r XX = 1 - e 2 Unikviteta: u 2 = 1- h 2 = s 2 + e 2 h 2 = komunaliteta

sonya-welch
Download Presentation

EKSPLORATORNA FAKTORSKA ANALIZA - IZLOČANJE FAKTORJEV

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. EKSPLORATORNA FAKTORSKA ANALIZA - IZLOČANJE FAKTORJEV

  2. VARIANCA SPREMENLJIVKE = VARIANCA SKUPNIH FAKTORJEV + SPECIFIČNA VARIANCA + VARIANCA NAPAK PRAVA VARIANCA

  3. 1 = h2 + s2 + e2 Zanesljivost: rXX = 1 - e2 Unikviteta: u2 = 1- h2 = s2 + e2 h2 = komunaliteta s2 = specifičnost e2 = delež variance napak

  4. NEKATERE MATRIKE V FAKTOR- SKI ANALIZI: B: v´f matrika regresijskih koef. bvf S: v´f matrika korelacij rvf F: f´f matrika korelacij med faktorji : diagonalna matrika unikvitet

  5. Primer strukturne matrike:

  6. Primer S - komponentni model

  7. ODNOSI MED MATRIKAMI: R = BFB’ + Q= SB’ + Q S = BF Nekorelirani faktorji: F = I in B = SÛR = SS’+Q ,

  8. Eksploratorna FA: nimamo vnaprejšnjih hipotez o faktorjih (številu, nasičenosti spremenljivk). Konfirmatorna FA: preverjamo vnaprej postavljene hipoteze o faktorski strukturi.

  9. Komponentni model (Principal Components): h2 = 1 Û faktorji so natančne linearne kombinacije spremenljivk in obratno. J objektiven postopek L previsoke nasičenosti Uporaba: redukcija števila spremenljivk.

  10. Model skupnih faktorjev (Principal factors): spremenljivke imajo tudi specifično varianco: J realnejše ocene nasičenosti L potrebne vnaprejšnje ocene h2, faktorske točke niso objektivno določene Uporaba: raziskovanje latentne strukture.

  11. Izločanje faktorjev: 1. izločimo faktor, ki pojasni največ s2; 2. izločimo faktor, ki pojasni največ preostales2; 3. ponavljamo (2), dokler ne izločimo vseh faktorjev.

  12. Vhodni podatki: korelacijska (lahko tudi kovariančna) matrika, v diagonali: 1 - komponentni model, ocene h2 - model skupnih faktorjev.

  13. Centroidna metoda: faktor = vsota spremenljivk. J enostaven, razumljiv postopek, L ne maksimizira variance, ki jo pojasni prvih m faktorjev.

  14. Metoda glavnih osi: J maksimizira varianco, ki jo pojasni prvih m faktorjev. L zapleten, iterativen postopek Lastne vrednosti (l) matrike R so enake varianci, ki jo pojasni posamezen faktor.

  15. Koraki: 1. vi= Rni-1 n0 = (1,1,1,...1)’ 2. 3. ponavljaj 1 in 2 dokler ni vi = vi-1 4. 5. 6. RREZ= Rk+1 = Rk - RREP = Rk - ss’ 7. če RREZ0, ponovi 1-6

  16. Določanje števila obdržanih faktorjev: 1. Cattellov test drobirja (scree-test), 2. Kaiser-Guttmanov kriterij: l > 1; 3. inferenčni testi, 4. odstotek pojasnjene variance.

More Related