Professional Documents
Culture Documents
Definicija - metod viedimenzionalne (multivarijacione) analize koja se koristi za opis meusobne zavisnosti velikog broja promenljivih, putem definisanja seta zajednikih osnovnih dimenzija poznatih kao faktori. Zadatak - saimanje veega broja meusobno povezanih izvornih varijabli u manji broj zajednikih faktora koji e ih opisivati i objasniti njihovu meusobnu povezanost. Primena - primjenjuje se za identifikovanje dimenzija koje nisu odmah uoljive, za testiranje definisanih hipoteza i za istraivanje novoga podruja.
Pretpostavke: polazi se od pretpostavke da meu varijablama postoji linearna korelacija, a svaki izdvojeni faktor nije u korelaciji sa drugim faktorima. Umesto nad velikim brojem koreliranih izvornih varijabli analiza se sprovodi nad nekoreliranim faktorima i na taj se nain otklanja problem kolinearnosti varijabli.
V2
V3
V4
V5
V6
V7
V8
V9
0,302
0,771
1.000
0,470
0,497
0,427
1.000
0,765
0,406
0,307
0,472
1.000
0,281
0,445
0,423
0,713
0,325
1.000
0,354
0,490
0,471
0,719
0,378
0,724
1.000
0,242
0,719
0,733
0,428
0,240
0,311
0,435
1.000
0,372
0,737
0,774
0,479
0,326
0,429
0,466
0,710
1000
V8
V9
V2
V6
V7
V4
V1
V5
0,733
1.000
0,774
0,710
1.000
0,741
0,719
0,787
1.000
V6 Dubina asortimana
V7 irina asortimana V4 Dostupnost proizvoda
0,423
0,311
0,429
0,445
1.000
0,471
0,435
0,468
0,490
0,724
1.000
0,427
0,428
0,479
0,497
0,713
0,719
1.000
V1 Cenovni nivo
V5 Kvalitet proizvoda
0,302
0,242
0,372
0,427
0,281
0,354
0,470
1.000
0,307
0,240
0,326
0,406
0,325
0,378
0,472
0,765
1.000
Proces odluivanja u faktorskoj analizi odvija se kroz 6 faza (plus dodatna faza 7)
problema
Tehnike faktorske analize mogu ostvariti jedan od dava cilja: 1. identifikovanje strukture varijabli kroz sumarizaciju podataka putem ispitivanja korelacija izmeu varijabli ili respondenata R i Q faktorska analiza 2. redukcija podataka indentifikovanje reprezentativnih varijabli iz velikog seta varijabli ili kreiranje potpuno novog seta varijabli koji je brojano mnogo manji a koji je u stanju da zameni originalni set varijabli
1. Konstrukcija korelacione matrice matrica sa koeficijentima korelacije izmeu promenljivih. Ona moe posluiti umesto originalnih promenljivih kao ulazna veliina.
2. Selekcija i merenje varijabli ( kako meriti varijable i koliko varijabli treba ukljuiti)
3. Veliina uzorka opte pravilo je imati bar pet puta vie opservacija nego to ima varijabli koje treba analizirati (prihvatljiva veliina je racio 10:1)
Homogenost uzorka
b) komponenetna analiza - sumira veinu originalnih informacija u minimalan broj faktora za svrhe predvidjanja Izbor modela (metoda ekstrakcije) zavisi od: - ciljeva faktorske analize i - obima prethodnog znanja o varijansi
Kriterijum latentnog korena bilo koji individualni faktor treba da objasni varijansu bar jedne varijable, ako ga treba zadrati za interpretaciju (ako je latentni koren vei od 1 faktor se smatra znaajnim) A priori kiterijum istraiva unapred (pre preduzimanja faktorske analize) zna koliko faktora treba ekstrahovati
Kriterijum procenta varijanse baziran na ostvarenju navedenog kumulativnog procenta ukupne varijase ekstrahovane uzastopnim faktorima
Kriterijum scree testa odreujemo optimalan broj faktora koje treba izdvojiti pre nego to specifina varijansa pone da dominira nad zajednikom
Heterogenost respondenata ako je uzorak heterogen u pogledu bar jednog podskupa varijabli, onda e prvi faktori predstavljati one varijable koje su homogenije preko itavog uzorka
2.
3.
Izraunavanje inicijalne nerotirane faktorske matrice koja pomae u dobijanju preliminarnog broja faktora za ekstrakciju. Rotacija faktora ostvaruje jednostavnija i teoretski znaajnija faktorska reenja. Respecifikacija faktorskog modela se ostvaruje vraanjem na fazu ekstrakcije, ekstrakcijom faktora i njihovom ponovnom interpretacijom.
Rotacija faktora Efekat rotiranja faktorske matrice je da se redistribuira varijansa sa ranijih faktora na kasnije faktore, s ciljem da se ostvari jednostavnija teoretski znaajnija faktorska matrica
Rotacija moe biti: ortogonalna rotacija u geometrijskom smislu predstavlja rotaciju koordinatnih osa za izvestan ugao, pri emu njihov meusobni odnos ostaje nepromenjen, to znai da su ose i dalje meusobom ortogonalne tj. pod uglom od 90 stepeni kosa rotacija fleksibilniji i realistiniji metod jer faktorske ose ne moraju biti ortogonalne i ne pretpostavlja se da su teorijski vane osnovne dimenzije, nekorelirane jedna sa drugom
Cilj svih metoda je da se simplifikuju kolone i redovi faktorske matrice da bi se olakala interpretacija. Postoje tri glavna ortogonalna pristupa: 1. QUARTIMAX cilj je da se simplifikuju redovi faktorske matrice tj. ovaj metod se fokusira na rotiranje inicijalnog faktora, tako da je optereenje varijable visoko na jednom faktoru, i to je mogue nie na svim ostalim faktorima 2. VARIMAX varijansu optereenja raunamo za svaku kolonu posebno, pa se dobija vei broj zajednikih faktora 3. EQUIMAX kompromis izmeu predhodna dva pristupa, nije iroko prihvaen i ne koristi se esto
Kriterijumi za znaajnost faktorskh optereenja Faktorska optereenja su korelacija svake varijable i faktora koje indiciraju stepen korespondentnosti izmeu varijabli i faktora, gde vea optereenja ine varijablu reprezentom faktora. obezbeenje praktine znaajnosti to je vea apsolutna veliina faktorskog optereenja, to je vanije to optereenje u interpretaciji faktorske matrice procenjivanje statistike znaajnosti test statistike znaajnosti koeficijenta korelacije se direktno primenjuje na elemente matrice faktorskog optereenja
I.
II.
Sumiranjem kriterijuma za znaajnost faktorskih optereenja, zakljuujemo: to je uzorak vei manje je optereenje koje e se smatrati znaajnim; to je vei broj varijabli koje se analiziraju, manje je optereenje koje e se smatrati znaajnim; to je vei broj faktora, vea je veliina optereenja na kasnijim faktorima, koja e se smatrati znaajnim za interpretaciju.
Interpretiranje faktorske matrice procedura
-
Ispitati faktorsku matricu optereenja Identifikovati najvie optereenje za svaku varijablu Poceniti komunalitete varijabli Oznaiti faktore
Ukljuuje procenu stepena uoptljivosti rezultata za populaciju i potencijalni uticaj individualnih sluajeva na opte rezultate Faktorska stabilnost kao aspekt uoptljivosti je zavisna od veliine uzorka i broja sluajeva po varijabli Detekcija uticajnih opservacija
VII FAZA Dodatne upotrebe rezultata faktorske analize Ako je cilj indentifikovati podesne varijable za narednu primenu na druge ststistike tehnike, onda e se koristiti neki oblik redukcije podataka. Opcije ukljuuju: Selekciju surogat varijabli za narednu analizu istraiva ima opciju ispitivanja faktorske matrice i selekciju varijable sa najviim faktorskim optereenjem na svakom faktoru, koja deluje kao surogat varijabla koja je predstavnik tog faktora Kreiranje sumiranih skala formiraju se kombinovanjem nekoliko individualnih varijabli u jednu kompozitnu meru Izraunavanje faktorskih skorova kompozitne mere svakog faktora izraunate za svaki subjekt. Faktorski skor se izraunava na osnovu faktorskih optereenja svih varijabli na faktoru
2.
omoguava da se u izvesnoj meri savlada greka merenja (redukuje greku merenja putem korienja viestrukih indikatora (varijabli)) njena sposobnost da predstavlja vie aspekata koncepta u jednoj meri
1. 2.
3.
4.
etiri pitanja koja su osnovna za konstruisanje bilo koje sumirane skale su: Konceptualana definicija Dimenzionalnost Pouzdanost Valjanost
Odabir meu tri opcije redukcije podataka vri se poredjenjem njihovih prednosti i mana:
Prednosti surogat varijable jednaostavna za upravljanje i interpretiranje, a nedostatak je da je sklona greci merenja Prednost faktorskih skorava predstavljaju kompozit svih varijabli koje vre optereenje na faktoru, a nedostatak je da varijable imaju izvestan stepen uticaja u izraunavanju faktorskih skorova, i oteavaju interpretaciju. Prednost sumirane skale kompozitna mera koja redukuje greku merenja, a nedostatk je da ukljuuje samo varijable koje vre visoko optereenje na faktoru, a iskljuuje one koji imaju mali uticaj.
Zakljuak je da ako se podaci koriste samo u orginalnom uzorku ili ako se ortogonalnost mora odrati, faktorski skorovi su pogodni, a ako se eli uoptljivost onda su podesnije sumirane skale i surogat varijable.
- ukazuje na interesantne odnose koji ne bi moda bili oigledni iz ispitivanja samo sirovih podataka ili ak korelacione matrice - ima sposobnost da identifikuje setove srodnih varijabli i time nudi istraivau moan alat u ostvarenju boljeg razumevanja strukture podataka
- 281 ispitanik u obradu ulo 248 upitnika, 33 upitnika nisu dobro popunjena
- na skali od 1 do 7 ispitanici su davali odgovore, pri emu je jedan oznaavalo uopte se ne slaem sa navedenom izjavom, a 7 izrazito se slaem sa navedenom izjavom
15 VARIJABLI
OPUST kafa je dobra za oputanje, UKUS vano je da kafa ima dobar ukus, NESPA kada popijem kafu, ne spava mi se, DOBOS dobro se oseam dok pijem kafu, NEZIV ne mogu iveti bez kafe, MIRIS vano je da kafa ima dobar miris, ODMOR kafa je vana za odmor, KONCEN kafu pijem kad elim biti koncentrisan/a na uenje, BUDJEN kafa je vana za razbuivanje, PAUZA kafa znai pauzu, UZITAK kafa mi prua uitak, POCDAN kafa je vana za poetak dana, MIRPRIM miris kafe je primamljiv, OSVEZ kafa je osveenje, BITELT kafa mi je bitan element u ivotu.
- osnov za sprovoenje faktorske analize je korelaciona matrica koja sadri jednostavne linearne korelacije svakog para varijabli.
-preduslov za FA je povezanost izmeu izvornih varijabli
matrica faktorske strukture sadri faktorska optereenja koja predoavaju koeficijente korelacije izmeu izdvojenih faktora i varijabli
FAKTOR 1 - OPUTANJE OPUST kafa je dobra za oputanje, UKUS vano je da kafa ima dobar ukus, DOBOS dobro se oseam dok pijem kafu, ODMOR kafa je vana za odmor PAUZA kafa znai pauzu MIRPRIM miris kafe je primamljiv FAKTOR 2 - KONCENTRACIJA NESPA kada popijem kafu, ne spava mi se, KONCEN kafu pijem kad elim biti koncentrisan/a na uenje BUDJEN kafa je vana za razbuivanje POCDAN kafa je vana za poetak dana, FAKTOR 3 -ZAVISNOST NEZIV ne mogu iveti bez kafe, UZITAK kafa mi prua uitak, BITELT kafa mi je bitan element u ivotu FAKTOR 4 -OSVEENJE MIRIS vano je da kafa ima dobar miris OSVEZ kafa je osveenje