Bu videoda anlattıklarımı beğendiysen, *SPSS Dersleri* isimli video serimi de izlemeni tavsiye ederim ua-cam.com/play/PL9dwBqqedrdzg5Ord9MA7kiR0B7eyhecp.html Gelecekteki videolarımı kaçırmamak için kanalıma abone olmayı unutma 😊ua-cam.com/users/ofislab Ayrıca, bu videoyu beğendiysen BEĞEN tuşuna da basarsan daha fazla kişinin bu videoyu görmesini sağlayıp onların da faydalanmasını sağlayabilirsin!
hocam emeğinize sağlık, bir sorum olacaktı, scree plot grafiğine bakarak iki faktörden oluşan bir yapıya karar verdiniz. ancak gördüğüm kadarıyla bu iki faktör toplam varyansın %50 sini açıklayamıyor. bu durumda böyle bir yapıdan bahsedebilir miyiz?
Merhaba hocam. Evet yine de bahsedebiliriz. Monte Carlo simülasyonuyla da olması gereken minimum eigenvalue hesaplanıp ona gore de bir eigenvalue cutoff u kullanılıp faktoring sayısı hesaplanabilir. Önemli olan, faktörlerin açıklayıcı gücünün yanı sıra, teorik olarak anlamlı ve yorumlanabilir olmasıdır. Bu yüzden, varyans oranı düşük bile olsa, elde edilen faktörlerin yapısal geçerliliğini kontrol etmek ve gerektiğinde modelde düzeltmeler yapmak gerekebilir.
Hocam video için teşekkürler, emeğinize sağlık. 2 sorum olacak 1. Principal Axis Factoring yöntemi ile Varimaks, Quartimaks veya Equamaks döndürme yöntemini kullanabilir miyiz? 2. Faktör sayısını belirleme yöntemi için "Scree Plot" grafiğinde dirsek benzetmesini kullandınız. Faktör sayısını belirlemek için Horn, (1965)'un geliştirdiği Paralel Analiz yöntemini kullanabilir miyiz? Paralel analizi veya Scree Plot grafiğindeki dirsek benzetmesini kullanmadan sadece Eigen Values değeri ile faktör sayısına karar vermek ne kadar geçerli ve güvenilir olur? Cevabınız için şimdiden teşekkürler, iyi çalışmalar.
Merhaba hocam. Sorulariniz çok yerinde. Birinci sorunun cevabı evet, ancak Principle Components yönteminde oblique rotasyonları kullanmamak gerekiyor çünkü o yöntemde faktörlerin birbirinden banimsiz olduğu varsayılır. İkinci soruda bahsettiğiniz PCA olarak da bilinen Paralel Analiz için Monte Carlo Simülasyonunu kullanmanızı öneririm. Açıkçası bu videoda konuyu basitleştirmeye çalıştım çünkü videoyu anlatırken konuyu çok karmaşık hale getirdiğinde anlaşılması daha da zorlaşıyor. Monte Carlo Simülasyonu için Google'da PCA için Monte Carlo'yu aratarak bir .exe programı indirebilir, özdeğer için hangi limiti almanız gerektiğini öğrenebilir ve buna göre faktörleri belirleyebilirsiniz.
Hocam hayırlı günler. 2 sorum olacaktı. 1.Ölçek geliştirme çalışması yapılırken faktör analizi için madde sayısının 5 katı ifadesi alanyazında geçiyor. Bundan kasıt AFA için 5 katı, DFA için 5 katı şeklinde ayrı ayrı mı yoksa İkisi için toplam madde sayısının 5 katı mı? Şöyle örnekleyeyim benim 50 maddem var. Afa için 250 kişiye ulaştım. Dfa için 180 kişi ye ulaştım. Bu durumda Dfa eksik mi (70 tane) yoksa toplam 430 madde sayısının 5 katını geçtiği için kabul edilir mi? 2.sorum cronbach alfa yı afa nın verilerine göre mi dfa nın velilerine göre mi uygulamamız lazım?
Bu videoda anlattıklarımı beğendiysen, *SPSS Dersleri* isimli video serimi de izlemeni tavsiye ederim ua-cam.com/play/PL9dwBqqedrdzg5Ord9MA7kiR0B7eyhecp.html
Gelecekteki videolarımı kaçırmamak için kanalıma abone olmayı unutma 😊ua-cam.com/users/ofislab
Ayrıca, bu videoyu beğendiysen BEĞEN tuşuna da basarsan daha fazla kişinin bu videoyu görmesini sağlayıp onların da faydalanmasını sağlayabilirsin!
hocam emeğinize sağlık, bir sorum olacaktı, scree plot grafiğine bakarak iki faktörden oluşan bir yapıya karar verdiniz. ancak gördüğüm kadarıyla bu iki faktör toplam varyansın %50 sini açıklayamıyor. bu durumda böyle bir yapıdan bahsedebilir miyiz?
Merhaba hocam. Evet yine de bahsedebiliriz. Monte Carlo simülasyonuyla da olması gereken minimum eigenvalue hesaplanıp ona gore de bir eigenvalue cutoff u kullanılıp faktoring sayısı hesaplanabilir.
Önemli olan, faktörlerin açıklayıcı gücünün yanı sıra, teorik olarak anlamlı ve yorumlanabilir olmasıdır. Bu yüzden, varyans oranı düşük bile olsa, elde edilen faktörlerin yapısal geçerliliğini kontrol etmek ve gerektiğinde modelde düzeltmeler yapmak gerekebilir.
Hocam video için teşekkürler, emeğinize sağlık. 2 sorum olacak
1. Principal Axis Factoring yöntemi ile Varimaks, Quartimaks veya Equamaks döndürme yöntemini kullanabilir miyiz?
2. Faktör sayısını belirleme yöntemi için "Scree Plot" grafiğinde dirsek benzetmesini kullandınız. Faktör sayısını belirlemek için Horn, (1965)'un geliştirdiği Paralel Analiz yöntemini kullanabilir miyiz? Paralel analizi veya Scree Plot grafiğindeki dirsek benzetmesini kullanmadan sadece Eigen Values değeri ile faktör sayısına karar vermek ne kadar geçerli ve güvenilir olur?
Cevabınız için şimdiden teşekkürler, iyi çalışmalar.
Merhaba hocam. Sorulariniz çok yerinde. Birinci sorunun cevabı evet, ancak Principle Components yönteminde oblique rotasyonları kullanmamak gerekiyor çünkü o yöntemde faktörlerin birbirinden banimsiz olduğu varsayılır.
İkinci soruda bahsettiğiniz PCA olarak da bilinen Paralel Analiz için Monte Carlo Simülasyonunu kullanmanızı öneririm. Açıkçası bu videoda konuyu basitleştirmeye çalıştım çünkü videoyu anlatırken konuyu çok karmaşık hale getirdiğinde anlaşılması daha da zorlaşıyor. Monte Carlo Simülasyonu için Google'da PCA için Monte Carlo'yu aratarak bir .exe programı indirebilir, özdeğer için hangi limiti almanız gerektiğini öğrenebilir ve buna göre faktörleri belirleyebilirsiniz.
Hocam hayırlı günler. 2 sorum olacaktı.
1.Ölçek geliştirme çalışması yapılırken faktör analizi için madde sayısının 5 katı ifadesi alanyazında geçiyor. Bundan kasıt AFA için 5 katı, DFA için 5 katı şeklinde ayrı ayrı mı yoksa İkisi için toplam madde sayısının 5 katı mı? Şöyle örnekleyeyim benim 50 maddem var. Afa için 250 kişiye ulaştım. Dfa için 180 kişi ye ulaştım. Bu durumda Dfa eksik mi (70 tane) yoksa toplam 430 madde sayısının 5 katını geçtiği için kabul edilir mi?
2.sorum cronbach alfa yı afa nın verilerine göre mi dfa nın velilerine göre mi uygulamamız lazım?
Hocam determinant katsayısı ile ilgili kısmı göremedim neden gerek duymadınız?