POČETNA

O NAMA

Naše usluge

Portfolio

ISTRAŽIVAČKE METODE

FAQ

Feedback

KONTAKT

ISTRAŽIVAČKE METODE

Search our Site

|
+49 (0)178-8955-751

Sample:

Factor analysis - interpretation of SPSS results


Uzorak dijela rada: Faktorska analiza - tumačenje rezultata iz SPSSa
Factor analysis - interpretation of SPSS results

 

1. Kako bi se reducirao skup od 30 manifestnih varijabli na manji broj latentnih dimenzija provjerite

latentnu strukturu korištenog Upitnika devijantnog i delinkventnog ponašanja i predložite način

prikazivanja rezultata na manjem broju subskalnih rezultata koje će reprezentirati šire aspekte

mjerenog konstrukta. U okviru ovog zadatka potrebno je provesti faktorsku analizu na česticama

upitnika devijantnog i delinkventnog ponašanja te:

 

Factor Analysis

 

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

,941

Bartlett's Test of Sphericity

Approx. Chi-Square

10280,225

df

435

Sig.

,000

 

 

a)      provjeriti podobnost korelacijske matricu za faktorizaciju

 

 

Potrebno je da je Kaiser-Meyer-Olkin Measure of Sampling Adequacy vrijednost jednaka ili veća od 0,6 ; u našem primjeru je 0,941 .

Pošto faktorska analiza koristi korelacije između varijabli, prije početka postupka treba provjeriti

da li su varijable u korelaciji i u tu svrhu se koristi Bartletov test sferičnosti

(testira nultu hipotezu da je matrica interkorelacija varijabli ubačenih u proceduru matrica identiteta

tj. da su sve korelacije između varijabli jednake nuli).

Ako Bartletov test ne bude statistički značajan primjena faktorske

analize nema smisla (bez jakog teorijskog opravdanja).

 

Rezultate Bartletovog testa (gledamo Sig.) ; p<0,001 postoji statistička značajnost. Što znači da možemo dalje.

 

 

b)      provesti ekstrakciju prikladnim postupkom te argumentirati izbor metode za ekstrakciju faktora

Možemo da biramo metodu faktorske analize (ovdje smo izabrali metoda glavnih komponenti – Principal Components)

bez prijeke potrebe ili teorijskog opravdanja ovo nema potrebe mijenjati).

Dobivamo i Matricu komunaliteta u kojoj su podaci o tome koja je proporcija varijanse svake varijable objašnjena ekstrahovanim faktorima tj. koliki je njen komunalitet (kolona Ekstrakcija – Extraction).

 

Communalities

 

Initial

Extraction

devijantno ponasanje-1. tvrdnja

1,000

,351

devijantno ponasanje-2. tvrdnja

1,000

,537

devijantno ponasanje-3. tvrdnja

1,000

,362

devijantno ponasanje-4. tvrdnja

1,000

,562

devijantno ponasanje-5. tvrdnja

1,000

,400

devijantno ponasanje-6. tvrdnja

1,000

,433

devijantno ponasanje-7. tvrdnja

1,000

,559

devijantno ponasanje-8. tvrdnja

1,000

,513

devijantno ponasanje-9. tvrdnja

1,000

,519

devijantno ponasanje-10. tvrdnja

1,000

,495

devijantno ponasanje-11. tvrdnja

1,000

,596

devijantno ponasanje-12. tvrdnja

1,000

,511

devijantno ponasanje-13. tvrdnja

1,000

,553

devijantno ponasanje-14. tvrdnja

1,000

,488

devijantno ponasanje-15. tvrdnja

1,000

,466

devijantno ponasanje-16. tvrdnja

1,000

,475

devijantno ponasanje-17. tvrdnja

1,000

,328

devijantno ponasanje-18. tvrdnja

1,000

,487

devijantno ponasanje-19. tvrdnja

1,000

,413

devijantno ponasanje-20. tvrdnja

1,000

,508

devijantno ponasanje-21. tvrdnja

1,000

,481

devijantno ponasanje-22. tvrdnja

1,000

,515

devijantno ponasanje-23. tvrdnja

1,000

,462

devijantno ponasanje-24. tvrdnja

1,000

,406

devijantno ponasanje-25. tvrdnja

1,000

,505

devijantno ponasanje-26. tvrdnja

1,000

,480

devijantno ponasanje-27. tvrdnja

1,000

,523

devijantno ponasanje-28. tvrdnja

1,000

,597

devijantno ponasanje-29. tvrdnja

1,000

,466

devijantno ponasanje-30. tvrdnja

1,000

,469

 

 

 

 

 

Extraction Method: Principal Component Analysis.

 

 

c)      donijeti odluku o broju faktora koje je opravdano zadržati te opisati moguće kriterije zadržavanja faktora

 

Matricu u kojoj su dane svojstvene vrijednosti faktora, svojstvene vrijednosti predstavljene kao procenti od ukupne objašnjene varijanse i kao kumulativni procenti od toga.

U prve tri kolone (Inicijalne svojstvene vrednosti – Initial Eigenvalues) su podaci za sve faktore, u druge tri (Ekstrakcione sume kvadriranih opterećenja/zasićenja – Extraction Sums of Squared Loadings) samo za one faktore koji ispunjavaju kriterijum da budu zadržani (ovdje je to svojstvena vrijednost preko 1) i konačno svojstvene vrijednosti rotiranih faktora (jer je bila zadata rotacija).

 

d) provesti rotaciju faktora i interpretirati dobivene rezultate. Argumentirati izbor metode rotacije

U opciji Rotacija (Rotation) u SPSSu smo izabrali vrstu faktorske rotacije: Varimax – kako bi minimizirali broj varijabli koje imaju visoka opterećenje na svakom faktoru.

 

 

 

(Scree Plot), a predstavlja grafički predstavljene svojstvene vrijednosti po faktorima. Ovaj grafik služi za to da odredimo koliko faktora hoćemo da zadržimo i u principu je pravilo da »rez« treba napraviti u pregibu (koljenu – to je ovdje faktor 5).

 Scree Plot - Faktorska analiza, SPSS

 

U tabeli Pattern Matrix. su prikazane faktorske težine svih promjenjivih ( gdje – u vrijednosti označava da obrnuto proporcionalno utiče na rezultat)

. e) predložiti način za izražavanje ukupnih rezultata u Upitniku devijantnog i delinkventnog

ponašanja (navesti raspored čestica na predloženim subskalama upitnika) u ovoj tabeli je raspored čestica,

Ove subskale 1,2,3,4,5 treba da imenuješ, prema osobinama koje opisuje subskala (na osnovu pitanja definiraj imena)

(Npr. Neka od imena subskala: Devijantna ponašanja ; Nepoželjna normativna ponašanja ; Rizična spolna ponašanja ;  Korištenje ili zlouporaba psihoaktivnih tvari; Nasilnička ponašanja u bliskim odnosima ; Krađa, provale, razbojništvo ; Suicidalna i autoagresivna ponašanja)