FAKTORSKA ANALIZA

Glavne komponente Zajedniki faktori

Glavne komponente
Koji je postupak sproveenja faktorske analize? Koraci su sledei: 1. Formulisanje problema 2. Konstrukcija korelacione matrice matrica sa koeficijentima korelacije izmeu promenljivih. Ona moe posluiti umesto originalnih promenljivih kao ulazna veliina. 3. Odreivanje metode faktorske analize glavne komponente ili zajedniki faktori 4. Odreivanje broja faktora 5. Rotacija faktora 6. Interpretacija faktora 7. Raunanje faktorskih skorova 8. Odreivanje valjanosti modela
3

Zadatak 1
Kako izgleda model faktorske analize sa 4 standardizovanih promenljivih i 3 izdvojena faktora?

A kako izgledaju faktori u ovom sluaju?

Zadatak 2
PRIMER:Stav prema bankarstvu (Aaker, et.al.: Marketing Research, pp.565.) Stavovi ispitanika u vezi sledeih tvrenja, mereni na 0-9skali: 1.Manje banke imaju nie provizije u odnosu na velike banke;

2.Vea je verovatnoa da e velike banke da naprave greku u poreenju sa malim bankama;

3.Nije neophodno da bankaraski slubenici budu jako ljubazni; dovoljno je da budu utivi; 4.elim da me u mojoj banci lino poznaju i da se prema meni ophode posebno ljubazno; 5.Ako se finansijska institucija prema meni ponaa neutivo, nikada vie neu poveriti poverenje toj organizaciji.

Zadatak 2

Zadatak 2
Izmeu kojih promenljivih postoji statistiki znaajna korelacija?
Cor relations x1 x1 Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N 1 15 ,610* ,016 15 ,469 ,078 15 -,018 ,949 15 -,096 ,732 15 x2 ,610* ,016 15 1 15 ,230 ,409 15 ,190 ,498 15 ,319 ,247 15 x3 ,469 ,078 15 ,230 ,409 15 1 15 -,832** ,000 15 -,774** ,001 15 x4 -,018 ,949 15 ,190 ,498 15 -,832** ,000 15 1 15 ,927** ,000 15 x5 -,096 ,732 15 ,319 ,247 15 -,774** ,001 15 ,927** ,000 15 1 15

x2

x3

x4

x5

*. Correlation is s ignif icant at the 0.05 level (2-tailed). **. Correlation is s ignif icant at the 0.01 level (2-tailed).

Zadatak 3
Koliko varijabiliteta varijable X5 je objanjeno svim faktorima? 100% Varijabilitet kojih originalnih varijabli je najvie objanjen zadranim faktorima? Izabrani faktori bolje izraavaju promenljive x3, x4, i x5 nego x1 i x2.
x1 x2 x3 x4 x5 Com m unalitie s Initial 1,000 1,000 1,000 1,000 1,000 Ex traction ,815 ,849 ,956 ,954 ,956

Ex traction Method: Princ ipal Component A naly sis.

Zadatak 4
Total Variance Explaine d Initial Eigenvalues % of Varianc e Cumulativ e % 55,092 55,092 35,497 90,589 7,542 98,131 1,299 99,431 ,569 100,000 Ex traction Sums of Squared Loadings Total % of Varianc e Cumulativ e % 2,755 55,092 55,092 1,775 35,497 90,589 Rotation Sums of Squared Loadings Total % of Varianc e Cumulativ e % 2,736 54,711 54,711 1,794 35,878 90,589 Component 1 2 3 4 5 Total 2,755 1,775 ,377 ,065 ,028

Ex traction Method: Princ ipal Component Analy sis.

1.

Koliko faktora biste zadrali po kriterijumu karakteristine vrenosti?

Dva Kriterijum karakteristine vrednosti (karakteristina vrednost je iznos varijanse u originalnim promenljivama koji je povezan sa odreenim faktorom) zadravaju se samo faktori ija je karakteristina vrednost vea od 1. 2. Dva
10

Koliko faktora biste zadrali po kriterijumu procenta zadranog varijabiliteta (70%)?

Zadatak 4
Kriterijum procentualnog uea varijabiliteta kumulativno procentualno uee varijabiliteta koji faktori objanjavaju treba da dostigne odgovarajui nivo (neretko se uzima 70%) 3. Koliko faktora biste zadrali ako ti faktori treba da objasne bar toliko varijabiliteta koliko jedna prosena varijabla?

Dva Iskustveno pravilo svi ukljueni faktori moraju da objasne bar toliko varijabiliteta koliko jedna prosena varijabla (u ovom sluaju imamo 5 varijabli to znai vie od 20% varijabiliteta. 4. Koliko faktora biste zadrali ako uzmete u obzir pad u koliini varijabiliteta koji oni objanjavaju?

Dva
11

Zadatak 4

5.

Koliko faktora biste zadrali prema dijagramu osipanja?

Dva Dijagram osipanja bira se broj faktora koji se nalazi u prelomnoj taki ali se gleda i nivo varijabiliteta odnosno karakteristine vrednosti (u ovom sluaju biramo 2 faktora)

12

Zadatak 5
Total Variance Explaine d Initial Eigenvalues % of Varianc e Cumulativ e % 55,092 55,092 35,497 90,589 7,542 98,131 1,299 99,431 ,569 100,000 Ex traction Sums of Squared Loadings Total % of Varianc e Cumulativ e % 2,755 55,092 55,092 1,775 35,497 90,589 Rotation Sums of Squared Loadings Total % of Varianc e Cumulativ e % 2,736 54,711 54,711 1,794 35,878 90,589 Component 1 2 3 4 5 Total 2,755 1,775 ,377 ,065 ,028

Ex traction Method: Princ ipal Component Analy sis.

Koliko varijabiliteta originalnih varijabli objanjava prvi faktor? A drugi? Prvi faktor objanjava 55% ukupnog varijabiliteta ovih pet varijabli u analizi, a drugi faktor dodatnih 36% varijabiliteta.
13

Zadatak 6
a Com ponent Matrix

1.

Sa kojim originalnim varijablama je najvie korelisana prva glavna komponenta?

Component x1 x2 x3 x4 x5 1 -,295 ,048 -,938 ,950 ,940 2 ,853 ,920 ,278 ,228 ,268

Prva glavna komponenta odnosno faktor je najvie korelisana sa originalnim promenljivama x3, x4 i x5, dok je druga glavna komponenta vie korelisana sa originalnim promenljivama x1 i x2. 2. Kako biste opisali ili kakvo biste ime dali zadranim faktorima faktora?

Ex traction Method: Princ ipal Component Analy sis. a. 2 components extrac ted.

Promenljive x3, x4 i x5 se kombinuju da bi formirali prvi faktor odnosno komponentu koja moe da se zove lini faktor. Promenljive x1 i x2 se kombinuju da bi formirale drugi faktor koji moe da se zove male banke

14

Glavne komponente - rotacija

Total Variance Explaine d Initial Eigenvalues % of Varianc e Cumulativ e % 55,092 55,092 35,497 90,589 7,542 98,131 1,299 99,431 ,569 100,000 Ex traction Sums of Squared Loadings Total % of Varianc e Cumulativ e % 2,755 55,092 55,092 1,775 35,497 90,589 Rotation Sums of Squared Loadings Total % of Varianc e Cumulativ e % 2,736 54,711 54,711 1,794 35,878 90,589 Component 1 2 3 4 5 Total 2,755 1,775 ,377 ,065 ,028

Ex traction Method: Princ ipal Component Analy sis.

ta je to rotacija faktora? Faktorska analiza generie vie reenja za isti skup podataka. Svako reenje je jedna rotacija. Znai u svakoj rotaciji imamo druge koeficijnte i drugu interpretaciju. Postoji ortogonalna (varimax ili pravougaona rotacija) i neortogonalna (promax rotacija). Koja je razlika izmeu ortogonalne i neortogonalne rotacije? Kod prve faktori su pod pravim uglom odnosno nisu korelisani to nije sluaj sa neortogonalnom rotacijom. Neortogonalna rotacija rtvuje nekorelisanost da bi se dobila bolja interpretacija faktora. Prilikom rotacije zadrava se kumulativni procenat varijacija objanjene izabranih faktora, ali se varijabilitet rasporeuje na izabrane komponente odnosno faktore. Velike promene u koeficijentima ukazuju da se faktori lake tumae.

15

Glavne komponente - rotacija

a Com ponent Matrix

Rotate d Com pone nt Matra ix Component 1 2 -,173 ,886 ,175 ,904 -,890 ,405 ,972 ,093 ,968 ,134

Component x1 x2 x3 x4 x5 1 -,295 ,048 -,938 ,950 ,940 2 ,853 ,920 ,278 ,228 ,268

x1 x2 x3 x4 x5

Ex traction Method: Princ ipal Component Analy sis. a. 2 components extrac ted.

Ex traction Method: Principal Component A nalys is. Rotation Method: V arimax w ith Kaiser Normalization. a. Rotation converged in 3 iterations .

U naem primeru optereenje nerotiranih faktora ipak pruaju jasniju interpretaciju. U optem sluaju prilikom rotacije se menjaju optereenja i trebalo bi da optereenja u tabeli sa rotacijom daju jasniju interpretaciju.

16

Zadatak 7
Com ponent Score Coe fficie nt Matr ix

Izraunati prvi i drugi faktorski skor za ispitanika koji je odgovorio na sledei nain: x1=9 i x2=6 x3=9, x4=2 i x5=2 Fi=bi1xs1+bi2xs2+...+bikxsk

Component x1 x2 x3 x4 x5 1 -,039 ,089 -,315 ,359 ,359 2 ,491 ,511 ,202 ,079 ,102

Odnosno u ovom zadatku

F1=-0,039xs1+0,089xs20,315xs3+0,359xs4+0,359xs5 F2=0,491xs1+0,511xs2+0,202xs3+0,079 xs4+0,102xs5

Ex traction Method: Principal Component A nalys is. Rotation Method: V arimax w ith Kaiser Normalization. Component Scores.

Des criptive Statistics N x1 x2 x3 x4 x5 V alid N (lis tw is e) 15 15 15 15 15 15 Mean 4,4000 5,3333 5,1333 3,6667 4,4000 Std. Dev iation 2,84856 2,91956 3,11372 2,79455 3,22490

17

Glavne komponente

18

Zajednike komponente
Cilj - primenjuje se kada je cilj faktorske analize da otkrije sutinski koncept koji lei u osnovi podataka (neto to im je zajedniko); zasniva se na zajednikom varijabilitetu originalnih promenljivih.

Ako je varijansa koju dele promenljive znaajna ove metode daju veoma sline rezultate.

Analiza glavnih komponenti se rauna na osnovu originalnih podataka ili korelacione matrice originalnih promenljivih, dok se zajednike komponente raunaju na osnovu korelacione matrice ali na dijagonali umesto jedinica treba da stoje komunaliteti (koliina varijabiliteta koji neka varijabla deli sa ostalim varijablama.
Sve tabele i komentari su isti kao i kod analize glavnih komponenti.

19

Zadatak 8
Da li izabrani faktori dobro predstavljaju sve originalne promenljive? Iz tabele vidimo da izabrani faktori dobro predstavljaju sve originalne promenljive U prvoj koloni vidimo varijabilite svake originalne promenljive objanjen svim faktorima u modelu.

20

Zadatak 9
Koliko biste faktora zadrali u analizi? 1. Kriterijum karakteristine vrednosti tri faktora 2. Kriterijum procentualnog uea varijabiliteta dva a moe i vie. 3. Iskustveno pravilo u ovom sluaju imamo 10 varijabli to znai vie od 10% varijabiliteta, odnosno tri faktora. 4. Iskustveno pavilo izmeu treeg i etvrtog, znai tri faktora

21

Zadatak 9

5.

Dijagram osipanja prelomna taka je kod etvrtog faktora ali je nivo tog karakteristinog korena mali (manji od 1).

22

Zadatak 10
Koliko varijabiliteta originalnih promenljivih objanjavaju zadrani faktori?

Prvi faktor objanjava 59,9% ukupnog varijabiliteta ovih deset varijabli u analizi, drugi faktor dodatnih 16,5% varijabiliteta a trei dodatnih 11,2%.

Koliko varijabiliteta originalnih promenljivih objanjavaju zadrani faktori?

skoro 88% ukupnog varijabiliteta originalnih promenljivih.

Ovo znai da se za budue analize mogu koristiti kao promenljive ova tri faktora umesto 10 originalnih promenlnivih uz gubitak informacija od 12%.

23

Primer - glavne komponente

Prilikom rotacije zadrava se kumulativni procenat varijacija objanjene izabranih faktora, ali se varijabilitet rasporeuje na izabrane komponente odnosno faktore. Velike promene u koeficijentima ukazuju da se faktori lake tumae. U ovom sluaju prilikom rotacije se menjaju optereenja i trebalo bi da optereenja u tabeli sa rotacijom daju jasniju interpretaciju.
24

Zadatak 11
Koje promenljive su najvie korelisane sa zadranim faktorima? U tabeli su data faktorska optereenja. Vidimo da je prvi faktor najvie korelisan sa promenljivama cena i konjske snage, drugi faktor sa duinom automobila a trei faktor tip vozila. Ovo znai da u daljoj analizi moemo da koristimo ove etiri promenljive ali je bolje koristiti ova tri faktora. Rotated Component Matrix

25

Primer - glavne komponente

Ovo su koeficijenati standardizovanih faktorskih skorova, koje moemo koristiti za raunanje tri nove promenljive (faktore) koje emo koristiti umesto ovih deset promenljivih. Na osnovu ove tabele moemo da napiemo kako faktori izgledaju.
Compoment Score Coefficient Matrix

26