Bir kamu kurumunda, çalışanların demografik özelliklerini içeren veri seti (, değişken) ile iş performansı göstergelerini içeren veri seti (, değişken) arasındaki çok boyutlu ilişkiler Kanonik Korelasyon Analizi (KKA) ile incelenmektedir.
Analiz kapsamında hesaplanan ilgili çapraz çarpım matrisinin (örneğin ) en büyük özdeğeri olarak bulunmuştur.
Bu araştırma ve elde edilen bulgular dikkate alındığında, analizden elde edilecek kanonik değişkenler ve korelasyon katsayıları ile ilgili aşağıdaki ifadelerden hangisi doğrudur?
- ABirinci kanonik korelasyonun karesi olan değeri, demografik özelliklerin iş performansı setindeki toplam varyansın ne kadarını açıkladığını doğrudan veren fazlalık indeksine (redundancy index) eşittir.
- BBirinci kanonik değişkeni oluşturmak için hesaplanan kanonik ağırlıklar, ilgili kanonik değişkenin kendi veri setindeki orijinal değişkenlerle olan yapısal korelasyonlarını (kanonik yükleri) temsil eder.
- Analiz sonucunda en fazla adet kanonik değişken çifti elde edilir ve birinci kanonik korelasyon katsayısı 'dir.Answer
- Dİlgili matrisin en büyük özdeğeri olan doğrudan birinci kanonik korelasyon katsayısını verir ve analizin açıklama oranını bulmak için bu değerin özdeğerler toplamına bölünmesi gerekir.
Answer
Analiz sonucunda en fazla adet kanonik değişken çifti elde edilir ve birinci kanonik korelasyon katsayısı 'dir.
Kanonik korelasyon analizinde elde edilebilecek maksimum kanonik değişken çifti sayısı, işleme giren veri setlerindeki değişken sayılarından küçük olanına eşittir. Veri setlerinde ve değişken bulunduğundan, adet çift elde edilir. Kanonik korelasyon katsayısı () ise analiz edilen matrisin özdeğerinin () karekökü alınarak bulunur. En büyük özdeğer olarak verildiği için, birinci kanonik korelasyon katsayısı olacaktır. Bu iki bilgiyi doğru şekilde sunan tek seçenek budur.
Step-by-Step Solution
Key Concept
Kanonik Değişken Sayısı ve Özdeğer ile Korelasyon İlişkisi
Alternative Method
Matematiksel özellikleri ezberlemek yerine, Kanonik Korelasyon Analizinin simetrik bir ilişki arayışı olduğunu ve doğrusal kombinasyonların varyanslarını maksimize ederken en fazla kısıtlı boyut () kadar tam ranklı çözüm sunabileceğini hatırlamak işlemi hızlandırır.
Estimated Time:1m 30s