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).
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)
