Faktör Analizi

81 soru

Soru 21Soru

Bir insan kaynakları uzmanı, çalışanların motivasyon kaynaklarını belirlemek üzere geliştirdiği bir envanteri uygulamış ve elde ettiği veri setinin faktör analizine uygunluğunu sınamıştır. Analiz sonucunda KMO (Kaiser-Meyer-Olkin) değeri 0.420.42 ve Bartlett Küresellik Testi istatistiğine ait pp-değeri 0.280.28 olarak hesaplanmıştır.

Elde edilen bu bulgular ve veri uygunluk testlerinin teorik altyapısı dikkate alındığında, aşağıdaki ifadelerden hangisi doğrudur?

Cevabı ve açıklamayı göster

Cevap: Bartlett Küresellik Testinin sıfır hipotezi (H0H_0), evren korelasyon matrisinin birim matris olduğunu varsayar; hesaplanan KMO değerinin 0.500.50'nin altında olması ve p>0.05p > 0.05 bulunması, bu veri setinin faktör analizi için uygun olmadığını gösterir.

Cevap

Bartlett Küresellik Testinin sıfır hipotezinin evren korelasyon matrisinin birim matris olduğunu varsaydığını ve hesaplanan değerlerle (KMO=0.42KMO = 0.42, p=0.28p = 0.28) verilerin faktör analizine uygun olmadığını belirten ifade doğrudur.
Doğru yanıt, Bartlett testinin sıfır hipotezinin korelasyon matrisinin birim matris olduğu varsayımına dayandığını kuramsal olarak doğru tanımlayan ve hesaplanan istatistiksel değerlerin (KMO<0.50KMO < 0.50 ve p>0.05p > 0.05) veri setinin faktör analizi için uygunsuzluğuna işaret ettiğini doğru şekilde belirten ifadedir.

Adım Adım Çözüm

1
KMO (Kaiser-Meyer-Olkin) değerini analiz etme
KMO değeri 0.420.42 olarak verilmiştir. 0.42<0.500.42 < 0.50 eşik değeri.
KMO değerinin faktör analizi için minimum 0.500.50 (tercihen >0.60>0.60) olması beklenir. Bu değerin altında kalması verilerin uygun olmadığını gösterir.
2
Bartlett Küresellik Testinin p-değerini ve hipotezini yorumlama
Testin pp-değeri 0.280.28 (p>0.05p > 0.05) bulunmuştur. H0H_0 reddedilemez.
Bartlett testi evren korelasyon matrisinin birim matris olduğu (değişkenler arası korelasyon olmadığı) sıfır hipotezini test eder. Faktör analizi için H0H_0'ın reddedilmesi (p<0.05p < 0.05) ve değişkenler arasında ilişki olduğunun kanıtlanması gerekir.
3
Bulguları sentezleyerek sonuca ulaşma
Veri setinin faktör analizine uygun olmadığı kesinleşir.
Hem KMO değerinin yetersiz olması hem de Bartlett testinde anlamlı bir korelasyon matrisi bulunamaması analize devam edilmemesi gerektiğini kanıtlar.

Anahtar Kavram

Faktör Analizinde Veri Uygunluğu (KMO ve Bartlett Testleri)
Soru 22Soru

Bir araştırmacı, tüketici davranışlarını ölçmek amacıyla birbirinden oldukça farklı ölçüm birimlerine sahip (örneğin; harcama miktarı, ziyaret sıklığı, aylık gelir, memnuniyet puanı) 2020 değişkenli bir veri seti derlemiştir. Ön analizlerde, veri setinde çok değişkenli normal dağılım varsayımının ciddi biçimde ihlal edildiği saptanmıştır. Araştırmacının temel amacı, yalnızca toplam varyansı özetleyerek boyut indirgemek değil, gözlenen değişkenler arasındaki ilişkilerin temelinde yatan ortak "gizil (latent)" yapıyı ortaya çıkarmaktır.

Buna göre, araştırmacının kullanacağı istatistiksel strateji ve yöntemlerle ilgili aşağıdaki ifadelerden hangisi doğrudur?

Cevabı ve açıklamayı göster

Cevap: Gizil yapıyı modellemek için Faktör Analizi tercih edilmeli, normallik varsayımı sağlanmadığı için En Çok Olabilirlik (ML) yöntemi kullanılmamalı ve faktör sayısı belirlenirken Yamaç-Birikinti Grafiği (Scree Plot) gibi araçlardan yararlanılmalıdır.

Cevap

Doğru strateji, gizil yapıyı modellemek için Faktör Analizini seçmek, normallik sağlanmadığı için En Çok Olabilirlik (ML) yöntemini dışlamak ve faktör sayısına karar verirken Yamaç-Birikinti Grafiği (Scree Plot) gibi araçlardan faydalanmaktır.
Doğru ifade; gizil yapı arayışında Temel Bileşenler Analizi (PCA) yerine Faktör Analizinin tercih edilmesini, çok değişkenli normallik varsayımının sağlanmaması durumunda En Çok Olabilirlik (ML) yönteminin kullanılmamasını ve faktör sayısının belirlenmesinde Yamaç Grafiği (Scree Plot) gibi görsel yöntemlerin sürece dahil edilmesini bir arada sunmaktadır. Bu üç adım da çok değişkenli istatistik kuramıyla birebir uyumludur.

Adım Adım Çözüm

1
Araştırmacının amacını (gizil yapı vs. boyut indirgeme) analiz etme.
Gizil yapıyı ve hata terimlerini ortaya çıkarmak istendiği için Temel Bileşenler Analizi (PCA) yerine Faktör Analizi tercih edilmelidir.
PCA yalnızca toplam varyansı maksimize ederek veriyi özetlerken, Faktör Analizi değişkenlerin paylaştığı ortak varyansı ve gizil yapıları modeller.
2
Çok değişkenli normallik varsayımının ihlalini değerlendirme.
En Çok Olabilirlik (Maximum Likelihood - ML) yöntemi çok değişkenli normallik varsayımına katı bir şekilde bağlıdır. Varsayım ihlal edildiği için bu yöntemden kaçınılmalı, Temel Eksen Faktoringi (PAF) gibi alternatiflere yönelinmelidir.
ML yöntemi, tahmin edicilerin asimptotik normalliği üzerine kuruludur; normallik bozulduğunda model uyum istatistikleri ve parametre tahminleri yanlı olur.
3
Ölçek farklılıkları ve faktör belirleme kriterlerini inceleme.
Farklı birimler olduğu için korelasyon matrisi kullanılmalıdır. Faktör sayısı için ise yalnızca Kaiser kriteri yeterli olmayabilir, Yamaç Grafiği (Scree Plot) gibi çoklu kriterlerle karar desteklenmelidir.
Kovaryans matrisi büyük varyanslı değişkenlerin analizde baskın çıkmasına yol açar. Faktör sayısı belirlemede de grafiksel ve istatistiksel yöntemlerin bir arada kullanımı idealdir.

Anahtar Kavram

Faktör çıkarma yöntemleri arasındaki kavramsal farklar ve normallik varsayımı.
Soru 23Soru

Bir kalkınma ajansı uzmanı, illerin sosyo-ekonomik gelişmişlik düzeyini belirleyen çok sayıdaki makroekonomik göstergeyi incelemektedir. Uzmanın temel amacı, elindeki değişken yığınını yalnızca daha az boyuta indirmek değil, aynı zamanda bu göstergelerin arkasında yatan "kalkınma kapasitesi" ve "altyapı kalitesi" gibi doğrudan gözlemlenemeyen temel yapıları matematiksel bir modelle açıklamaktır. Uzman bu doğrultuda veri setine Faktör Analizi uygulamaya karar verir.

Buna göre, uygulanan analizin teorik altyapısı ve temel varsayımları dikkate alındığında aşağıdaki ifadelerden hangisi doğrudur?

Cevabı ve açıklamayı göster

Cevap: Analiz, değişkenlerin sahip olduğu toplam varyansı tam olarak açıklamaya çalışmak yerine, yalnızca değişkenler arasındaki ortak (paylaşılan) varyansa dayanarak gizil yapıları modellemeyi hedefler.

Cevap

Faktör analizinin amacı, değişkenlerin toplam varyansı yerine ortak varyansını kullanarak gizil yapıları modellemektir.
Faktör Analizi, gözlenen değişkenler arasındaki ilişkilerin (korelasyonların) arkasında yatan gizil faktörleri keşfetmeyi amaçlar. Bu işlem yapılırken, değişkenlerin spesifik (kendine özgü) varyansları ve ölçüm hataları dışarıda bırakılarak, değişkenlerin yalnızca birbirleriyle paylaştığı 'ortak varyans' (communality) hesaba katılır. Bu özellik, onu toplam varyansı kullanan veri indirgeme tekniklerinden (örn. TBA) teorik olarak ayırır.

Adım Adım Çözüm

1
Soruda hedeflenen analizin amacını belirle.
Uzmanın amacı yalnızca boyut indirgemek değil, doğrudan gözlemlenemeyen (gizil) yapıları ortaya çıkarmaktır. Bu durum Temel Bileşenler Analizi'nden (TBA) ziyade Açımlayıcı Faktör Analizi'nin (AFA) temel motivasyonudur.
Kavramsal çerçeveyi kurmak, TBA ve FA arasındaki ayrımları netleştirmek için gereklidir.
2
Varyans açıklama yaklaşımını analiz et.
TBA, veri setindeki toplam varyansı (mümkün olan en az bileşenle) maksimize etmeye çalışırken; Faktör Analizi, değişkenlerin birbirleriyle paylaştığı ortak varyansı (communality) baz alarak gizil değişkenleri (faktörleri) tanımlar.
Ortak varyans odaklı yaklaşım, faktör analizini temel bileşenler analizinden ayıran en kritik teorik farktır.
3
Varsayım ve ön koşul testlerini değerlendir.
Bartlett testi sıfır hipotezinin reddedilmesini (korelasyonların sıfırdan farklı olmasını), KMO ölçütünün 1'e yakın olmasını ve ML yöntemi için çok değişkenli ortak normalliğin (marjinalin ötesinde) sağlanmasını gerektirir.
Diğer seçeneklerde yer alan iddiaların hatalı olduğunu ispatlamak için analiz varsayımlarının tam teorik karşılıkları teyit edilmelidir.

Anahtar Kavram

Faktör analizi ile Temel Bileşenler Analizi arasındaki varyans modeli (ortak varyans vs. toplam varyans) ayrımı ve temel ön şart testlerinin (KMO, Bartlett, Çok Değişkenli Normallik) doğru hipotez yorumları.
Soru 24Soru

Bir kalkınma ajansı uzmanı, bölgesindeki ilçelerin sosyo-ekonomik özelliklerini gruplandırmak amacıyla 1212 farklı değişken içeren bir veri seti hazırlamış ve korelasyon matrisi üzerinden temel bileşenler analizine dayalı faktör analizi uygulamıştır.

Analiz sonucunda elde edilen ilk dört faktörün açıkladığı varyans oranları büyükten küçüğe doğru sırasıyla %35,%20,%10\%35, \%20, \%10 ve %8\%8 olarak hesaplanmıştır. Geriye kalan faktörlerin her birinin açıkladığı varyans oranı ise %8\%8'den küçüktür.

Buna göre, faktör sayısını belirlemede Kaiser (özdeğer >1> 1) kriteri temel alındığında, bu analizde kaç faktör tutulmalıdır ve tutulan faktörlerin özdeğerleri toplamı kaçtır?

Cevabı ve açıklamayı göster

Cevap: 33 faktör tutulmalı, özdeğerleri toplamı 7.807.80'dir.

Cevap

3 faktör tutulmalı, özdeğerleri toplamı 7.80'dir.
Korelasyon matrisi üzerinden yapılan faktör analizinde, toplam varyans değişken sayısına eşittir (p=12p = 12). Bir faktörün özdeğeri, o faktörün açıkladığı varyans oranı ile toplam değişken sayısının çarpımıyla bulunur. İlk dört faktörün özdeğerleri sırasıyla; λ1=12×0.35=4.20\lambda_1 = 12 \times 0.35 = 4.20, λ2=12×0.20=2.40\lambda_2 = 12 \times 0.20 = 2.40, λ3=12×0.10=1.20\lambda_3 = 12 \times 0.10 = 1.20 ve λ4=12×0.08=0.96\lambda_4 = 12 \times 0.08 = 0.96 olarak hesaplanır. Kaiser kriteri, özdeğeri 11'den büyük olan faktörlerin tutulmasını gerektirir. Bu durumda λ1,λ2\lambda_1, \lambda_2 ve λ3\lambda_3 değerleri 11'den büyük olduğu için analizde 33 faktör tutulmalıdır. Tutulan bu faktörlerin özdeğerleri toplamı ise 4.20+2.40+1.20=7.804.20 + 2.40 + 1.20 = 7.80 olacaktır.

Adım Adım Çözüm

1
Korelasyon matrisinin toplam varyansını belirleme
Toplam Varyans = Değişken Sayısı = 12
Korelasyon matrisi üzerinden yapılan faktör analizinde, her bir değişken standartlaştırıldığı için matrisin köşegen elemanları 1'dir ve matrisin izi (toplam varyans) değişken sayısına eşittir.
2
Her bir faktörün özdeğerini (eigenvalue) hesaplama
λ1 = 12 × 0.35 = 4.20
λ2 = 12 × 0.20 = 2.40
λ3 = 12 × 0.10 = 1.20
λ4 = 12 × 0.08 = 0.96
Bir faktörün özdeğeri, o faktörün açıkladığı varyans oranı ile toplam varyansın çarpımıdır.
3
Kaiser kriterini uygulayarak faktör sayısını belirleme
λ1 (4.20) > 1, λ2 (2.40) > 1 ve λ3 (1.20) > 1 olduğundan ilk 3 faktör tutulur. λ4 (0.96) < 1 olduğundan atılır.
Kaiser kriterine göre yalnızca özdeğeri (açıkladığı varyans) 1'den büyük olan faktörler anlamlı kabul edilir ve tutulur.
4
Tutulan faktörlerin özdeğerleri toplamını hesaplama
4.20 + 2.40 + 1.20 = 7.80
Soru, tutulmasına karar verilen faktörlerin özdeğerleri toplamını istemektedir.

Anahtar Kavram

Kaiser Kriteri ve Özdeğer-Varyans İlişkisi
Soru 25Soru

Bir araştırmacı, beş maddelik (V1,V2,V3,V4,V5V_1, V_2, V_3, V_4, V_5) bir ölçek için elde ettiği verilere faktör analizi uygulamış ve faktörleri birbirinden bağımsızlaştırmak amacıyla Varimax (dik) döndürme yöntemini tercih etmiştir. Analiz sonucunda elde edilen Döndürülmüş Faktör Matrisi aşağıda verilmiştir:

MaddeFaktör 1 (F1F_1)Faktör 2 (F2F_2)
V1V_10.800.800.100.10
V2V_20.700.700.200.20
V3V_30.500.500.550.55
V4V_40.100.100.800.80
V5V_50.20-0.200.700.70

Bu analiz sonuçları ve matris değerleri dikkate alındığında, aşağıdaki ifadelerden hangisi doğrudur?

Cevabı ve açıklamayı göster

Cevap: Dik döndürme uygulandığı için faktörler arası korelasyon sıfır kabul edilir; ayrıca matristeki değerlere göre V3V_3 binişik (cross-loading) bir maddedir ve V1V_1 maddesinin açıklanan ortak varyansı 0.650.65'tir.

Cevap

Dik döndürme kullanıldığı için faktörler arası korelasyon sıfırdır, V3V_3 her iki faktörde yüksek yüklü binişik maddedir ve V1V_1'in ortak varyansı kareler toplamı olan 0.650.65'tir.
Doğru olan ifadede üç temel kural eksiksiz ve doğru biçimde sentezlenmiştir: 1) Varimax gibi dik döndürmelerde faktörler ilişkisiz (korelasyon sıfır) kabul edilir. 2) V3V_3 maddesi iki boyuta da yakın oranlarda (0.500.50 ve 0.550.55) yüksek yük verdiği için binişiktir. 3) Dik faktör modelinde açıklanan ortak varyans, maddenin faktör yüklerinin kareleri toplamına eşittir (0.802+0.102=0.650.80^2 + 0.10^2 = 0.65).

Adım Adım Çözüm

1
Döndürme türünün etkisini belirleme
Varimax dik (orthogonal) bir döndürme olduğundan, eksenler 90 derece tutulur ve faktörler arası korelasyon sıfır kabul edilir.
Eğik (oblique) döndürmeden temel farkını teorik olarak doğrulamak için.
2
Matris üzerinden binişik (cross-loading) maddeleri tespit etme
V3V_3 maddesi her iki faktörde de birbirine çok yakın ve yüksek (sırasıyla 0.500.50 ve 0.550.55) faktör yükü aldığı için binişik maddedir.
Bir maddenin faktöryel karmaşıklık yaratıp yaratmadığını gözlemlemek için.
3
V1V_1 maddesinin ortak varyansını (communality) hesaplama
V1V_1'in faktör yüklerinin kareleri alınarak toplanır: 0.802+0.102=0.64+0.01=0.650.80^2 + 0.10^2 = 0.64 + 0.01 = 0.65 olarak bulunur.
Dik faktör modellerinde ortak varyansın tanımını matematiksel olarak ispatlamak için.

Anahtar Kavram

Faktör Yükleri, Döndürme Türleri ve Ortak Varyans (Communality) Hesaplama
Tahmini Süre:1m 30s
Soru 26Soru

Bir araştırmacı, yerel yönetimlerin sunduğu dijital hizmetlerin kullanılabilirliğini ölçmek amacıyla hazırladığı 5 maddelik (M1,M2,M3,M4,M5M_1, M_2, M_3, M_4, M_5) ölçeğe Açımlayıcı Faktör Analizi (AFA) uygulamıştır. Faktörleştirme aşamasından sonra, faktör eksenlerinin birbirine dik açıyla kalmasını sağlayan ortogonal bir rotasyon yöntemi kullanılmış ve aşağıdaki yük değerleri elde edilmiştir:

MaddeFaktör 1Faktör 2
M1M_10.810.12
M2M_20.760.18
M3M_30.580.56
M4M_40.140.84
M5M_50.220.75

Elde edilen bu matris ve faktör analizi kuralları çerçevesinde aşağıdakilerden hangisi doğrudur?

Cevabı ve açıklamayı göster

Cevap: Eğer eksenlerin birbirine dik kalması zorunluluğu kaldırılarak eğik (oblik) bir rotasyon uygulansaydı, değişkenler ile faktörler arasındaki ilişkiler yapı (structure) ve örüntü (pattern) olmak üzere iki farklı matris üzerinden değerlendirilecekti.

Cevap

Eğik (oblik) rotasyon uygulandığında değişken ve faktör ilişkilerinin yapı ve örüntü matrisleri ile ayrı ayrı inceleneceğini belirten seçenektir.
Ortogonal (dik) döndürme yöntemlerinde faktörler arası korelasyon sıfır kabul edildiğinden değişken ile faktör arasındaki ilişkiyi gösteren tek bir faktör yükleri matrisi bulunur. Ancak eğik (oblik) döndürmelerde faktörlerin birbiriyle ilişkili olmasına (korelasyona) izin verilir. Bu durumda değişkenin faktörlerle basit korelasyonlarını gösteren 'yapı (structure) matrisi' ile diğer faktörlerin etkisi kontrol edildiğinde değişkenin ilgili faktöre olan özgü katkısını gösteren 'örüntü (pattern) matrisi' olmak üzere iki ayrı matris hesaplanır.

Adım Adım Çözüm

1
Matristeki faktör yüklerinin dağılımını ve binişik (cross-loading) maddeleri tespit etme
M1,M2M_1, M_2 Faktör 1'e; M4,M5M_4, M_5 Faktör 2'ye güçlü yüklenmiştir. M3M_3 ise her iki faktörde de yüksek ve yakın yük değerlerine (0.580.58 ve 0.560.56) sahip olduğu için binişik maddedir.
Maddelerin faktörlere doğru atanıp atanmadığını ve sorunlu (binişik) maddeleri belirlemek faktör yorumlamanın ilk adımıdır.
2
Ortak varyans (communality) ve özdeğer (eigenvalue) hesaplama kurallarını hatırlama
Dik döndürmede ortak varyans, bir değişkenin faktörlerdeki yüklerinin kareleri toplamı; özdeğer ise bir faktörün tüm değişkenlerdeki yüklerinin kareleri toplamıdır.
Yüklerin basitçe toplanmasını iddia eden hesaplamaların yanlış olduğunu doğrulamak için.
3
Dik (ortogonal) ve eğik (oblik) rotasyonların matris çıktılarını karşılaştırma
Dik rotasyon faktörleri ilişkisiz (korelasyon 00) tuttuğu için tek bir döndürülmüş matris verir. Eğik rotasyon ise faktörlerin ilişkili olmasına izin verdiğinden korelasyonları içeren yapı (structure) matrisi ve regresyon katsayılarını andıran örüntü (pattern) matrisi üretir.
Rotasyon türlerinin kavramsal sonuçlarını birbirinden ayırmak için.

Anahtar Kavram

Faktör Döndürme Yöntemleri ve Matrislerin Yorumlanması
Soru 27Soru

Endüstriyel psikoloji alanında çalışan bir uzman, çalışanların işe bağlılık düzeylerini belirleyen gizil (latent) boyutları tanımlamak ve doğrulamak amacıyla çok değişkenli istatistiksel yöntemleri kullanmaktadır. Uzman, verinin doğasını keşfetmek için önce Açımlayıcı Faktör Analizi (AFA) uygulamış, ardından kurduğu teorik modelin veriyle ne derece örtüştüğünü sınamak için Doğrulayıcı Faktör Analizi'ne (DFA) geçmiştir.

AFA ve DFA yöntemlerinin temel varsayımları, faktör çıkarma/döndürme stratejileri ve uyum iyiliği (goodness-of-fit) değerlendirmeleri karşılaştırıldığında, aşağıdaki ifadelerden hangisi yanlıştır?

Cevabı ve açıklamayı göster

Cevap: AFA'da faktörlerin yorumlanabilirliğini artırmak için kullanılan dik (ör. Varimax) veya eğik (ör. Promax) döndürme işlemleri, DFA'da da RMSEA ve CFI gibi uyum iyiliği indekslerinin hesaplanabilmesi için model kestirim aşamasından sonra zorunlu olarak uygulanır.

Cevap

AFA'da faktörlerin yorumlanabilirliği için kullanılan döndürme (rotation) işlemlerinin, DFA'da da RMSEA ve CFI gibi indekslerin hesaplanması için zorunlu olduğunu belirten ifade yanlıştır.
Doğrulayıcı Faktör Analizi'nde (DFA), Açımlayıcı Faktör Analizi'nden (AFA) farklı olarak 'döndürme' (rotation) işlemi kullanılmaz. AFA'da döndürme, karmaşık faktör yüklerini yorumlanabilir bir basit yapıya dönüştürmek için yapılırken; DFA'da araştırmacı teorik bir beklentiye sahip olduğu için hangi değişkenin hangi faktör altında yer alacağını (ve çapraz yüklerin sıfır olacağını) modele bir kısıtlama (constraint) olarak baştan tanımlar. Dolayısıyla DFA'da yapı önceden belirlidir ve döndürülecek bir belirsizlik uzayı yoktur. Ayrıca RMSEA ve CFI gibi uyum iyiliği indeksleri herhangi bir döndürme işlemine dayanmaz; bu indeksler gözlenen örneklem kovaryans matrisi (S) ile tahmin edilen model kovaryans matrisi (Σ\Sigma) arasındaki farkın (discrepancy) bir fonksiyonu olarak hesaplanır.

Adım Adım Çözüm

1
AFA ve DFA'nın temel mantığındaki farklılıkları gözden geçir.
AFA veriden yapı çıkarır (data-driven), DFA ise var olan bir yapıyı test eder (theory-driven).
Yöntemlerin varsayımlarını ayırmak, analiz adımlarını doğru değerlendirmenin ilk koşuludur.
2
Döndürme (rotation) işleminin amacını değerlendir.
Döndürme, AFA'da sonsuz sayıda matematiksel çözüm arasından yorumlanması en kolay olan 'basit yapıyı' (simple structure) bulmak için eksenlerin çevrilmesidir.
AFA'da her değişkenin her faktörde yükü olduğu için yorumlama zordur, döndürme bu yükleri kutuplaştırır.
3
DFA'da döndürme işlemine ihtiyaç olup olmadığını analiz et.
DFA'da araştırmacı, teorik temellere dayanarak hangi değişkenin hangi faktöre yük vereceğini (ve diğerlerine vermeyeceğini) zaten başlangıçta belirler (kısıtlar). Bu nedenle model önceden tanımlanmıştır (identified) ve basit yapı elde etmek için eksen döndürmesine gerek yoktur.
Uyum iyiliği indeksleri (RMSEA, CFI vb.) döndürülmüş matrisler üzerinden değil, doğrudan örneklem kovaryans matrisi ile modelin öngördüğü kovaryans matrisi arasındaki fark fonksiyonu üzerinden hesaplanır.

Anahtar Kavram

Doğrulayıcı Faktör Analizinde (DFA) Döndürme İhtiyacının Olmaması ve Model Uyum İndekslerinin Doğası
Tahmini Süre:2m 30s
Soru 28Soru

Bir bakanlığın strateji geliştirme başkanlığı, kurumsal hizmet sunum kalitesini değerlendirmek için 1616 göstergeden (değişkenden) oluşan bir performans ölçüm seti geliştirmiştir. Bu veri seti üzerinde korelasyon matrisi kullanılarak faktör analizi (temel bileşenler yaklaşımıyla) uygulanmıştır.

Analiz sonucunda elde edilen ilk altı faktöre ait başlangıç özdeğerleri (eigenvalues) sırasıyla aşağıda verilmiştir:
5.605.60, 3.203.20, 2.002.00, 1.201.20, 0.800.80 ve 0.600.60
(Diğer 1010 faktörün özdeğerleri 0.500.50'nin altındadır.)

Kaiser kriterine (özdeğer >1> 1 kuralı) göre, bu analiz sonucunda tutulması gereken faktör sayısı ve bu faktörlerin veri setindeki toplam varyansı açıklama oranı aşağıdakilerin hangisinde doğru verilmiştir?

Cevabı ve açıklamayı göster

Cevap: 44 faktör, %75\%75

Cevap

Kaiser kriterine göre özdeğeri 1'den büyük olan 4 faktör tutulmalı ve bu faktörlerin açıklanan toplam varyans oranı %75 olmalıdır.
Kaiser kriterine (özdeğer > 1) göre, sırasıyla 5.605.60, 3.203.20, 2.002.00 ve 1.201.20 özdeğerlerine sahip ilk 4 faktör tutulur. Korelasyon matrisinde toplam varyans değişken sayısına (1616) eşit olduğundan, bu 4 faktörün açıkladığı toplam varyans oranı 12.00/16=%7512.00 / 16 = \%75 olarak hesaplanır. Doğru yanıt 44 faktör ve %75\%75'tir.

Adım Adım Çözüm

1
Kaiser kriterine göre tutulacak faktör sayısını belirle.
Özdeğeri 1'den büyük olan faktörler: 1. (5.60), 2. (3.20), 3. (2.00) ve 4. (1.20) faktörlerdir. Toplam 4 faktör tutulmalıdır.
Kaiser kriteri (özdeğer > 1 kuralı), faktörün en az bir değişken kadar varyans açıklamasını gerektirir.
2
Tutulan faktörlerin özdeğerleri toplamını hesapla.
5.60 + 3.20 + 2.00 + 1.20 = 12.00
Açıklanan toplam varyans oranının pay kısmını elde etmek için gereklidir.
3
Açıklanan toplam varyans oranını bulmak için özdeğerler toplamını, toplam değişken sayısına (toplam varyansa) böl.
12.00 / 16 = 0.75 (Yani %75)
Korelasyon matrisi üzerinden yapılan faktör analizinde standartlaştırılmış veriler kullanıldığı için toplam varyans daima toplam değişken sayısına (16) eşittir.

Anahtar Kavram

Faktör Sayısını Belirleme Kriterleri (Kaiser Kriteri ve Varyans Oranı)
Soru 29Soru

Bir halk sağlığı araştırmacısı, bireylerin sağlıklı yaşam biçimi davranışlarını ölçmek amacıyla geliştirdiği 1515 maddelik bir ölçeği 350350 kişiye uygulamıştır. Verilerin faktör analizine uygunluğunu değerlendirmek için yapılan ön analizlerde aşağıdaki sonuçlar elde edilmiştir:

- Kaiser-Meyer-Olkin (KMO) Örneklem Yeterliliği Ölçütü: 0.780.78
- Bartlett Küresellik Testi: χ2=845.62\chi^2 = 845.62, p=0.124p = 0.124

Bu bulgulara göre, veri setinin faktör analizine uygunluğu ile ilgili aşağıdaki değerlendirmelerden hangisi doğrudur?

Cevabı ve açıklamayı göster

Cevap: KMO değeri yeterli düzeyde olmasına rağmen, Bartlett testine göre evren korelasyon matrisinin birim matris olduğu sıfır hipotezi reddedilemediği için veriler faktör analizine uygun değildir.

Cevap

KMO değeri yeterli düzeyde olmasına rağmen, Bartlett testine göre evren korelasyon matrisinin birim matris olduğu sıfır hipotezi reddedilemediği için veriler faktör analizine uygun değildir.
Faktör analizine başlamadan önce verilerin uygunluğu KMO ve Bartlett testleri ile incelenir. KMO ölçütü örneklem yeterliliğini test eder ve genellikle 0.50 üzerinde olması kabul edilebilir bir değerdir; bu soruda KMO (0.78) yeterlidir. Bartlett Küresellik Testi ise değişkenler arasında anlamlı korelasyonlar olup olmadığını sınar. Bu testin sıfır hipotezi, evren korelasyon matrisinin birim matris (köşegenleri 1, diğer elemanları 0) olduğudur. Faktör analizi yapabilmek için değişkenler arasında ilişki olması gerektiğinden bu hipotezin reddedilmesi, yani p < 0.05 bulunması beklenir. Soruda p = 0.124 > 0.05 olduğu için sıfır hipotezi reddedilemez. Değişkenler birbiriyle ilişkisiz kabul edildiği için KMO yeterli olsa dahi bu veri setine faktör analizi uygulanamaz.

Adım Adım Çözüm

1
KMO değerini (0.78) yorumlamak.
0.78 > 0.50 olduğu için örneklem büyüklüğünün faktör analizi için yeterli olduğu sonucuna varılır.
KMO ölçütü, değişkenler arasındaki kısmi korelasyonların küçüklüğünü ölçerek örneklem yeterliliğini test eder ve genellikle 0.50'nin üzeri kabul edilebilir sayılır.
2
Bartlett Küresellik Testi sıfır hipotezini belirlemek.
Bartlett testinin sıfır hipotezi (H0): 'Evren korelasyon matrisi birim matristir (değişkenler birbiriyle ilişkisizdir).' şeklindedir.
Faktör analizi, değişkenler arasındaki ilişkilerden yola çıkarak ortak faktörler bulmayı amaçladığından, korelasyon matrisinin birim matristen farklı olması gerekir.
3
Bartlett testinin p değerini (0.124) yorumlamak.
p = 0.124 değeri 0.05'ten büyük olduğu için sıfır hipotezi (H0) reddedilemez.
p > 0.05 olduğunda test istatistiksel olarak anlamsızdır, yani değişkenler arasında faktör analizi yapmaya yetecek düzeyde korelasyon yoktur.
4
Genel veri uygunluğu kararını vermek.
KMO yeterli bulunsa bile, değişkenler arası ilişkisizlik (Bartlett testinin anlamsız çıkması) nedeniyle veri setine faktör analizi uygulanamaz.
Faktör analizi varsayımlarının sağlanması için KMO'nun yeterli olması ve Bartlett testinin mutlaka istatistiksel olarak anlamlı (p < 0.05) çıkması gerekir.

Anahtar Kavram

Faktör analizinde veri uygunluğu için KMO (örneklem yeterliliği) ve Bartlett Küresellik (korelasyon matrisi yapısı) testlerinin birlikte değerlendirilmesi
Soru 30Soru

Bir araştırmacı, sosyoloji alanında geliştirdiği bir ölçeğin yapı geçerliğini incelemek üzere elde ettiği veri setine Açımlayıcı Faktör Analizi (AFA) uygulamıştır. Başlangıç (döndürülmemiş) çözümlemesinde özdeğeri 1'den büyük 4 faktör elde edilmiş ve bu faktörlerin toplam varyansın %65'ini açıkladığı görülmüştür. Araştırmacı, faktörlerin yorumlanabilirliğini artırmak ve Thurstone'un "basit yapı" (simple structure) ölçütüne ulaşmak amacıyla modele hem Varimax hem de Promax döndürme (rotation) yöntemlerini ayrı ayrı uygulamıştır. Promax döndürmesi sonucunda elde edilen "faktör korelasyon matrisi" incelendiğinde, faktörlerin birbiriyle 0,40 ile 0,65 arasında değişen, istatistiksel olarak anlamlı korelasyonlara sahip olduğu tespit edilmiştir.

Bu araştırma senaryosu ve faktör döndürme yöntemlerinin özellikleri dikkate alındığında, aşağıdaki ifadelerden hangisi doğrudur?

Cevabı ve açıklamayı göster

Cevap: Döndürme işlemi, başlangıç çözümlemesindeki %65'lik toplam açıklanan varyans oranını değiştirmez; ancak faktörler arası korelasyon yüksek olduğundan, faktörleri bağımsızlığa zorlayan (dik) Varimax yerine, faktörler arası ilişkiye izin veren (eğik) Promax yönteminin sonuçları yorumlanmalıdır.

Cevap

Doğru seçenek, döndürme işleminin toplam varyansı değiştirmediğini ve faktörler arası yüksek korelasyon durumunda eğik döndürme olan Promax'ın sonuçlarının kullanılması gerektiğini belirten ifadedir.
Faktör döndürme işlemi (dik veya eğik olması fark etmeksizin), başlangıçta çıkarılan faktörlerin oluşturduğu ortak varyans alanının toplam büyüklüğünü (%65) değiştirmez, yalnızca basit yapıya ulaşmak için varyansı faktörler arasında yeniden dağıtır. Araştırma sonucunda faktörler arası korelasyonların 0,40 ile 0,65 gibi anlamlı düzeylerde çıkması, boyutların (faktörlerin) birbirine bağımlı (ilişkili) olduğunu kanıtlar. Bu durumda, faktörleri yapay bir şekilde bağımsızlığa zorlayan Varimax (dik döndürme) yerine, veri setinin doğasına uygun olarak faktörlerin ilişkili kalmasına izin veren Promax (eğik döndürme) yönteminin bulguları esas alınmalıdır.

Adım Adım Çözüm

1
Döndürme (rotation) işleminin toplam açıklanan varyans üzerindeki etkisini değerlendirme.
Döndürme işleminin başlangıçtaki %65'lik toplam varyans oranını kesinlikle değiştirmeyeceği tespit edilir.
Döndürme işlemi yalnızca varyansın faktörler arasındaki dağılımını yeniden düzenler, faktör uzayının toplam bilgi miktarını (hacmini) küçültmez veya büyütmez.
2
Faktör korelasyon matrisini ve döndürme yöntemlerinin varsayımlarını analiz etme.
Korelasyonların (0,40 - 0,65) anlamlı düzeyde yüksek olması nedeniyle eğik (oblique) döndürme yöntemine ihtiyaç duyulduğu belirlenir.
Dik (orthogonal) yöntemler olan Varimax ve Quartimax faktörlerin ilişkisiz (korelasyon=0) olmasını zorunlu kılarken, eğik (oblique) yöntemler olan Promax ve Oblimin veri setinin doğal korelasyon yapısını korur.
3
Seçeneklerdeki ifadeleri yöntemlerle ve kavramlarla eşleştirme.
Dikkatlice incelendiğinde Varimax'ın ilişkisizliğe zorladığı ve Promax'ın ilişkiye izin verdiği doğru ifadesi seçilir. Quartimax'ın eğik sanılması veya AFA-TBA varsayımlarının karıştırılması gibi hataları barındıran diğer seçenekler elenir.
Sadece doğru seçenekte döndürme türlerinin teorik varsayımları ile araştırma senaryosunun bulguları uyumlu bir bütünlük içindedir.

Anahtar Kavram

Faktör Döndürme (Rotation) Yöntemleri ve Basit Yapı
Tahmini Süre:2m 30s
Soru 31Soru

Çok değişkenli istatistiksel analizlerde, çok sayıdaki gözlenen değişken arasındaki karmaşık ilişkileri inceleyerek temelinde yatan gizil (latent) yapıları ortaya çıkarmak amacıyla faktör analizi yaygın olarak kullanılır. Ancak bu analiz türü, arkasında güçlü teorik ve istatistiksel varsayımlar barındırır.

Faktör analizinin teorik modeli, temel amacı ve veri yapısına yönelik varsayımları dikkate alındığında, aşağıdaki ifadelerden hangisi istatistiksel olarak doğrudur?

Cevabı ve açıklamayı göster

Cevap: Kaiser-Meyer-Olkin (KMO) örneklem yeterliliği ölçütü, gözlenen korelasyon katsayıları ile kısmi korelasyonların büyüklüklerini karşılaştırır; kısmi korelasyonların sıfıra yaklaşması verideki ortak varyans yapısının güçlü olduğunu gösterir.

Cevap

Kaiser-Meyer-Olkin (KMO) örneklem yeterliliği ölçütünün, gözlenen korelasyon katsayıları ile kısmi korelasyonların büyüklüklerini karşılaştırdığını ve kısmi korelasyonların sıfıra yaklaşmasının verideki ortak varyans yapısının güçlü olduğunu gösterdiğini ifade eden seçenek doğrudur.
KMO (Kaiser-Meyer-Olkin) ölçütü, değişkenler arasındaki gözlenen korelasyon katsayılarının kareleri toplamının, aynı toplamın kısmi korelasyon katsayılarının kareleri toplamı ile toplanmasına bölünmesiyle hesaplanır. İki değişken arasındaki ilişki diğer değişkenler tarafından (yani ortak bir faktör aracılığıyla) açıklanabiliyorsa, kısmi korelasyon sıfıra yaklaşır. Bu da formüldeki KMO değerini 11'e doğru iter ve veri setinde güçlü, çıkarılabilir bir faktör yapısı bulunduğunu ispatlar.

Adım Adım Çözüm

1
Faktör analizinin (FA) ve Temel Bileşenler Analizinin (TBA) varyans açıklama hedeflerini ayırt edin.
TBA toplam varyansı açıklamayı hedeflerken, FA yalnızca ortak varyansı (communality) açıklamayı hedefler.
Varyansın hangi kısmının modellendiği, boyut indirgeme tekniğinin seçimindeki en temel ayrımdır.
2
FA öncesi veri uygunluk testlerinden Bartlett Küresellik Testinin çalışma mantığını inceleyin.
Bartlett testinin sıfır hipotezi (H0H_0), ana kütle korelasyon matrisinin birim matris olduğunu iddia eder. Anlamlı ilişki bulmak için bu hipotez reddedilmelidir (p<0.05p < 0.05).
Test istatistiklerinin sıfır hipotezlerinin yönü sıklıkla yanlış yorumlanmaktadır.
3
Faktör Analizinin matematiksel modelindeki hata terimi (spesifik varyans) varsayımını hatırlayın.
Klasik faktör analizinde ϵi\epsilon_i hata terimlerinin beklenen değerinin sıfır olduğu ve birbirleriyle ilişkisiz oldukları (Cov(ϵi,ϵj)=0Cov(\epsilon_i, \epsilon_j) = 0) varsayılır.
Hata terimleri ilişkiliyse bu, yapıya dâhil edilmemiş gizil bir faktörün varlığına delalet eder.
4
Kaiser-Meyer-Olkin (KMO) istatistiğinin formülünü ve kısmi korelasyon ilişkisini analiz edin.
KMO = (Gözlenen Korelasyonların Kareleri Toplamı) / (Gözlenen Korelasyonların Kareleri Toplamı + Kısmi Korelasyonların Kareleri Toplamı). Kısmi korelasyonlar sıfıra yaklaştıkça KMO 1'e yaklaşır.
KMO salt bir katsayı değildir; değişkenlerin varyansının diğer değişkenler tarafından ne kadarının paylaşıldığının (ortak faktör varlığının) matematiksel bir kanıtıdır.

Anahtar Kavram

Faktör Analizinin Teorik Varsayımları ve Modeli
Soru 32Soru

Bir psikometri uzmanı, geliştirdiği çok maddelik bir ölçeğin yapı geçerliğini incelemek üzere boyut indirgeme tekniklerinden yararlanacaktır. Veri setinin çok değişkenli normal dağılıma sahip olduğu istatistiksel testlerle doğrulanmıştır. Uzmanın temel amacı, veri setindeki toplam varyansı basitçe özetlemekten ziyade, değişkenler arasındaki kovaryansı açıklayan gözlenemeyen (gizil) yapıları keşfetmek ve her bir maddeye özgü hata payını (spesifik varyansı) analizin dışında tutmaktır. Analiz sürecinde faktör sayısına karar vermek için Kaiser kriteri ve yamaç birikinti grafiği (Scree Plot) gibi yöntemler de değerlendirilmektedir.

Bu araştırma süreci ve boyut indirgeme yöntemlerinin temel özellikleri dikkate alındığında, aşağıdaki ifadelerden hangisi doğrudur?

Cevabı ve açıklamayı göster

Cevap: Araştırmacının değişkenlere özgü varyansı ve ölçüm hatasını model dışında tutma amacı göz önüne alındığında Temel Bileşenler Analizi yerine Faktör Analizi uygulanmalı ve çok değişkenli normallik varsayımı sağlandığı için faktör çıkarma yöntemi olarak En Çok Olabilirlik (ML) tercih edilmelidir.

Cevap

Araştırmacının amacı gizil yapıları keşfetmek ve hata payını dışarıda bırakmak olduğu için Faktör Analizi seçilmeli, çok değişkenli normallik varsayımı sağlandığı için de faktör çıkarma yöntemi olarak En Çok Olabilirlik (ML) kullanılmalıdır.
Temel Bileşenler Analizi (TBA) ile Faktör Analizi (FA) birbirine sıkça karıştırılsa da temel amaçları farklıdır. TBA, değişkenlerin toplam varyansını açıklamayı ve veriyi daha az boyuta indirgemeyi hedefler; bu süreçte ölçüm hatasını (spesifik varyansı) ayrıştırmaz. Faktör analizi ise, değişkenler arasındaki ortak varyansa odaklanarak gizil (latent) yapıları ortaya çıkarmayı amaçlar ve her değişkene özgü hata varyansını modelin dışında bırakır. Sorudaki araştırmacının amacı gizil yapıları bulmak ve hata payını ayırmak olduğu için FA tercih edilmelidir. Faktör çıkarma yöntemleri arasında yer alan En Çok Olabilirlik (Maximum Likelihood - ML) yöntemi, verinin çok değişkenli normal dağılıma sahip olması varsayımına sıkı sıkıya dayanır. Soruda bu varsayımın sağlandığı özellikle belirtildiğinden, ML yöntemi en uygun ve parametre tahminleri açısından en tutarlı yöntem olacaktır.

Adım Adım Çözüm

1
Araştırmacının amacını (toplam varyans vs. ortak varyans) ve hata varyansına yaklaşımını değerlendirmek.
Araştırmacı toplam varyans yerine ortak varyansa odaklanmakta ve hata payını model dışı bırakmak istemektedir. Bu durum Temel Bileşenler Analizi (TBA) yerine Faktör Analizi (FA) kullanımını gerektirir.
TBA hata varyansını ayrıştırmazken, FA sadece ortak varyansı kullanarak gözlenemeyen gizil yapıları hedefler.
2
Faktör çıkarma yöntemleri arasında varsayımlara göre doğru seçimi yapmak.
Verinin çok değişkenli normal dağılım varsayımını sağladığı açıkça belirtilmiştir. Bu durumda istatistiksel testlere de olanak tanıyan En Çok Olabilirlik (ML) yöntemi en uygun faktör çıkarma yöntemidir.
ML yöntemi normallik varsayımı altında parametreler için en tutarlı tahminleri üretir ve istatistiksel uyum iyiliği testlerine olanak sağlar.
3
Seçeneklerdeki kavramsal yanılgıları (TBA-FA farkı, özdeğer-varyans ayrımı) tespit ederek yanlış ifadeleri elemek.
TBA'nın hata varyansını modellediği, özdeğerin varyans yüzdesine eşit olduğu, kovaryans matrisinin ölçek farklılıklarını düzelttiği ve TBA'da köşegene SMC yazıldığı ifadelerinin istatistiksel olarak hatalı olduğu belirlenmiştir.
Kavramların matematiksel temelleri ilgili ifadelerle uyuşmamaktadır.

Anahtar Kavram

Faktör Analizi ve Temel Bileşenler Analizi Arasındaki Kavramsal Farklar ile ML Yönteminin Varsayımları
Soru 33Soru

Bir araştırmacı, 20 maddelik bir ölçek üzerinde Açımlayıcı Faktör Analizi (AFA) uygulamıştır. Başlangıç (döndürülmemiş) çözümlemesinde, özdeğeri 1'den büyük olan 3 faktör elde edilmiş ve bu faktörlerin toplam varyansın %65'ini açıkladığı görülmüştür. Araştırmacı, faktörlerin yorumlanabilirliğini artırmak ve basit yapıya (simple structure) ulaşmak amacıyla veriye hem Varimax (dik) hem de Promax (eğik) döndürme yöntemlerini uygulamıştır. Promax döndürmesi sonucunda elde edilen faktörler arası korelasyon matrisi incelendiğinde, faktörler arasındaki korelasyon katsayılarının 0.450.45 ile 0.600.60 arasında değiştiği tespit edilmiştir.

Bu araştırma senaryosu ve faktör döndürme yöntemlerinin teorik özellikleri dikkate alındığında, aşağıdaki ifadelerden hangisi kesinlikle doğrudur?

Cevabı ve açıklamayı göster

Cevap: Faktörler arası korelasyonların yüksek çıkması, eğik döndürme yöntemi olan Promax'ın sonuçlarının yorumlanmasını gerektirir; ayrıca döndürme işlemi, başlangıçtaki %65'lik toplam açıklanan varyansı değiştirmez, yalnızca faktörlerin bu varyansa katkı paylarını yeniden dağıtır.

Cevap

Faktörler arası yüksek korelasyon nedeniyle Promax gibi eğik döndürmelerin tercih edilmesi gerektiği ve döndürme işleminin toplam varyansı değiştirmeyip sadece faktörlerin katkı paylarını yeniden dağıttığını belirten ifade doğrudur.
Faktörler arası korelasyonların 0.300.30'un üzerinde (0.450.600.45-0.60) olması, faktörlerin birbirinden bağımsız olmadığını gösterir; bu durumda Varimax gibi dik döndürme yöntemleri yerine Promax veya Oblimin gibi eğik döndürme yöntemlerinin sonuçları yorumlanmalıdır. Ayrıca matematiksel olarak, hiçbir döndürme yöntemi (dik veya eğik) maddelerin ortak varyansını (communality) ve toplam açıklanan varyans oranını (senaryoda %65) değiştirmez. Döndürme işlemi yalnızca eksenleri çevirerek basit yapıya ulaşmayı hedefler, bu sırada toplam varyans faktörler arasında yeniden dağıtılır.

Adım Adım Çözüm

1
Korelasyon matrisindeki değerleri analiz et.
Korelasyon katsayıları 0.450.45 ile 0.600.60 arasındadır.
Faktörler arası korelasyonun genellikle 0.300.30 veya 0.320.32'nin üzerinde olması, faktörlerin ilişkili olduğunu kanıtlar ve dik döndürme (Varimax, Quartimax) yerine eğik döndürme (Promax, Oblimin) kullanılmasını zorunlu kılar.
2
Döndürme işleminin toplam varyans ve ortak varyans üzerindeki etkisini değerlendir.
Döndürme işlemi, faktörlerin açıkladığı toplam varyans oranını (%65) ve değişkenlerin ortak varyanslarını (communality) değiştirmez.
Döndürme, yalnızca veri uzayındaki eksenlerin yönünü değiştirerek değişkenlerin belirli bir faktörde yüksek, diğerlerinde düşük yük almasını (basit yapı) sağlar. Geometrik olarak orijinal açıklama gücü korunur.
3
Döndürmenin özdeğerlere (eigenvalues) etkisini kontrol et.
Toplam özdeğer değişmese de, her bir faktörün özdeğeri (açıkladığı varyans payı) değişir.
Başlangıç çözümünde ilk faktör varyansın büyük kısmını çekerken, döndürme sonrası bu varyans faktörler arasına daha dengeli bir şekilde dağıtılır.

Anahtar Kavram

Faktör döndürme yöntemlerinin (dik ve eğik) özellikleri, basit yapı ve varyans üzerindeki etkileri.
Soru 34Soru

Bir eğitim bilimci, öğrencilerin akademik motivasyonlarını ölçmek amacıyla 1010 bağımsız maddeden (değişkenden) oluşan bir envanter üzerinden toplanan verilerin korelasyon matrisini kullanarak Temel Bileşenler yöntemiyle Faktör Analizi uygulamıştır. Özdeğeri 11'den büyük olan faktörlerin seçilmesi kuralına (Kaiser kriteri) göre analize 33 faktör dahil edilmiştir.

Elde edilen bu 33 faktörün özdeğerleri sırasıyla λ1=4.2\lambda_1 = 4.2, λ2=2.3\lambda_2 = 2.3 ve λ3=1.5\lambda_3 = 1.5 olarak hesaplanmıştır.

Buna göre, elde edilen 33 faktörlü yapıda değişkenlerin ortak varyanslarının (communality) toplamı ve analizin açıkladığı toplam varyans oranı aşağıdakilerin hangisinde sırasıyla doğru olarak verilmiştir?

Cevabı ve açıklamayı göster

Cevap: 8.08.0 ve %80\%80

Cevap

Değişkenlerin ortak varyanslarının toplamı 8.08.0 ve açıklanan toplam varyans oranı %80\%80'dir.
Korelasyon matrisine dayalı Temel Bileşenler analizinde, elde edilen faktörlerin özdeğerleri toplamı (4.2+2.3+1.5=8.04.2 + 2.3 + 1.5 = 8.0), doğrudan değişkenlerin o faktörler tarafından açıklanan ortak varyanslarının (communality) toplamına denktir. Veri setindeki toplam varyans ise değişken sayısına (1010) eşit olduğundan, açıklanan varyans oranı 8.0/10=0.808.0 / 10 = 0.80, yani %80\%80 olarak hesaplanır.

Adım Adım Çözüm

1
Çıkarılan faktörlerin özdeğerlerini toplayarak ortak varyanslar toplamını bulunuz.
Ortak Varyanslar Toplamı = λ1+λ2+λ3=4.2+2.3+1.5=8.0\lambda_1 + \lambda_2 + \lambda_3 = 4.2 + 2.3 + 1.5 = 8.0
Korelasyon matrisi kullanılarak yapılan Temel Bileşenler yönteminde, çıkarılan faktörlerin değişkenler üzerinde açıkladığı ortak varyansların (communality) toplamı, bu faktörlerin özdeğerleri toplamına eşittir.
2
Korelasyon matrisinin içerdiği toplam varyansı belirleyiniz.
Toplam Varyans = Değişken Sayısı (pp) = 1010
Korelasyon matrisinde ana köşegen üzerindeki elemanların her biri 11'dir. Bu nedenle matrisin izi (trace), yani analizdeki toplam varyans, her zaman değişken sayısına eşittir.
3
Açıklanan toplam varyans oranını hesaplayınız.
Açıklanan Varyans Oranı = (Özdeğerler Toplamı / Toplam Varyans) ×100=(8.0/10)×100=%80\times 100 = (8.0 / 10) \times 100 = \%80
Bir faktör yapısının veri setindeki varyansın yüzde kaçını açıkladığını bulmak için elde edilen özdeğerler toplamı matristeki toplam varyansa bölünür.

Anahtar Kavram

Temel Bileşenler analizinde çıkarılan faktörlerin özdeğerlerinin toplamı, değişkenlerin ortak varyanslarının (communality) toplamına eşittir. Açıklanan varyans oranı ise özdeğerler toplamının madde (değişken) sayısına oranlanmasıyla hesaplanır.
Soru 35Soru

Çok değişkenli istatistiksel analizlerde yapı geçerliğini inceleyen bir araştırmacı, geliştirdiği bir ölçme aracı için önce Açımlayıcı Faktör Analizi (AFA) uygulamış, ardından elde ettiği yapıyı yeni bir veri seti üzerinde Doğrulayıcı Faktör Analizi (DFA) ile test etmiştir.

AFA ve DFA'nın temel varsayımları, faktör çıkarma/döndürme işlemleri ile DFA'da kullanılan uyum iyiliği (goodness-of-fit) indeksleri birlikte değerlendirildiğinde, bu iki analiz yaklaşımı arasındaki ilişkiye dair aşağıdaki ifadelerden hangisi teorik olarak doğrudur?

Cevabı ve açıklamayı göster

Cevap: DFA'da, AFA'nın aksine algoritmik bir faktör döndürme (rotation) işlemi kullanılmaz; çünkü AFA'da eksenlerin döndürülmesiyle çözülen rotasyonel belirsizlik, DFA'da teorik modele dayalı olarak çapraz yüklerin sıfıra kısıtlanmasıyla baştan çözülür ve bu kısıtlı modelin veriyle uyumu RMSEA, CFI gibi indeksler aracılığıyla test edilir.

Cevap

DFA'da AFA'nın aksine algoritmik bir döndürme işlemi kullanılmadığını, çünkü AFA'daki rotasyonel belirsizliğin DFA'da teorik modellemeyle (çapraz yüklerin kısıtlanmasıyla) baştan çözüldüğünü ve uyumun RMSEA, CFI gibi indekslerle sınandığını belirten ifadedir.
Doğru olan ifade, DFA'nın teorik ve yapısal doğasını en hassas biçimde açıklayan ifadedir. AFA'da, sonsuz sayıda çözüm üreten rotasyonel belirsizliği ortadan kaldırmak ve faktörlerin yorumlanmasını kolaylaştırmak (basit yapıya ulaşmak) için Varimax veya Promax gibi döndürme (rotation) algoritmaları çalıştırılır. DFA'da ise model veri üzerinden keşfedilmez, araştırmacının belirlediği teoriye göre kurulur. Araştırmacı hangi maddenin hangi faktörde yer alacağını belirtir ve diğer tüm çapraz yükleri (cross-loadings) sıfıra kısıtlar. Bu güçlü a priori (öncül) kısıtlamalar zaten yapıyı tekilleştirdiği (identified) için DFA yazılımlarında bir döndürme algoritmasına ihtiyaç kalmaz. Elde edilen bu kısıtlı yapının ampirik veriye uyumu ise Kök Ortalama Kare Yaklaşım Hatası (RMSEA) veya Karşılaştırmalı Uyum İndeksi (CFI) gibi DFA'ya özgü model uyum (goodness-of-fit) indeksleriyle değerlendirilir.

Adım Adım Çözüm

1
AFA ve DFA'nın faktör yüklerine (cross-loadings) yaklaşımını karşılaştırın.
AFA'da tüm değişkenlerin tüm faktörler üzerinde yükleri hesaplanırken, DFA'da araştırmacı hangi değişkenin hangi faktörde yer alacağını önceden teorik olarak belirler ve diğer faktörlerdeki yükleri (çapraz yükler) sıfıra eşitler.
Bu teorik kısıtlamalar, analiz yaklaşımlarının temel varsayımlarındaki farkı ortaya koyar.
2
Döndürme (rotation) kavramının iki analizdeki gerekliliğini inceleyin.
AFA'da başlangıçta elde edilen karmaşık yapıyı yorumlanabilir (basit) hale getirmek için matematiksel bir döndürme (Varimax, Promax vb.) uygulanır. DFA'da ise yapı baştan sıfır kısıtlamaları ile basit olarak kurulduğu için ek bir döndürme algoritmasına ihtiyaç yoktur.
Rotasyonel belirsizliğin (rotational indeterminacy) DFA'da kısıtlamalarla baştan çözüldüğünü anlamak, iki yöntemin en kritik teorik farkıdır.
3
DFA'nın model değerlendirme sürecini ve uyum iyiliği indekslerinin işlevlerini kontrol edin.
DFA'da kurulan kısıtlı teorik modelin veriye (gözlenen kovaryans matrisine) ne kadar iyi uyduğu; χ2\chi^2, RMSEA, SRMR (hata indeksleri, küçük olmalıdır) ile CFI, TLI (karşılaştırmalı uyum indeksleri, 1'e yakın olmalıdır) aracılığıyla değerlendirilir.
Doğru yanıtın uyum indekslerini ve faktör analizi mantığını doğru bir şekilde entegre edip etmediği belirlenir.

Anahtar Kavram

AFA ve DFA'da Rotasyonel Belirsizlik ve Uyum İyiliği İndeksleri
Tahmini Süre:2m 0s
Soru 36Soru

Bir kamu kurumunun İstatistik ve Veri Analizi Dairesi, kurum içi performans değerlendirme sisteminin yapısal özelliklerini incelemektedir. İlgili veri seti üzerinde faktör yapısının keşfedilmesi ve ardından teorik bir modelin test edilmesi aşamalarında çok değişkenli istatistiksel analizlere başvurulacaktır.

Buna göre, Açımlayıcı Faktör Analizi (AFA) ve Doğrulayıcı Faktör Analizi (DFA) yöntemlerinin temel varsayımları, uygulanan algoritmalar ve değerlendirme kriterleri karşılaştırıldığında aşağıdakilerden hangisi doğrudur?

Cevabı ve açıklamayı göster

Cevap: AFA'da elde edilen faktör yapısını daha yorumlanabilir kılmak için dik veya eğik döndürme yöntemleri kullanılırken; DFA'da değişkenlerin hangi faktörler altında yer alacağı teorik olarak kısıtlandığı için döndürmeye başvurulmaz ve modelin veriye uygunluğu RMSEA ve CFI gibi uyum iyiliği indeksleri ile test edilir.

Cevap

AFA'da döndürme yöntemleri kullanılırken, DFA'da teorik kısıtlamalar nedeniyle döndürme yapılmaz ve model uyumu RMSEA, CFI gibi indekslerle değerlendirilir.
Doğru ifadede AFA ve DFA'nın yapısal farkları eksiksiz özetlenmiştir. AFA, serbest yüklemeler nedeniyle elde edilen karmaşık matrisi basitleştirmek için döndürme (dik veya eğik) yöntemlerini kullanır. DFA ise kısıtlanmış bir teorik model üzerinden çalıştığından döndürmeye ihtiyaç duymaz ve doğrulama işlemini RMSEA, CFI, TLI gibi uyum iyiliği indeksleriyle gerçekleştirir.

Adım Adım Çözüm

1
Seçeneklerdeki AFA ve DFA algoritmalarına ilişkin teorik kısıtlamaların incelenmesi.
AFA'nın doğası gereği tüm değişkenler tüm faktörlere serbestçe yük verir. Bu karmaşık yapıyı yorumlamak için Varimax (dik) veya Promax (eğik) döndürme yöntemleri kullanılır.
AFA'nın temel amacı gizil yapıyı veri üzerinden keşfetmek ve basit yapıya ulaşmaktır.
2
DFA'nın değerlendirme ölçütleri ve varsayımlarının incelenmesi.
DFA'da araştırmacı hangi değişkenin hangi faktöre ait olduğunu önceden belirler ve diğer faktör yüklerini sıfıra kısıtlar. Bu nedenle döndürme yapılmasına gerek kalmaz.
DFA'nın amacı keşfetmek değil, kurulan hipotezin doğruluğunu test etmektir.
3
Uyum indekslerinin ve veri uygunluk testlerinin ayrımlarının yapılması.
KMO ve Bartlett testleri verinin faktör analizine uygunluğunu (AFA öncesi) ölçer. RMSEA, CFI, TLI ve SRMR ise DFA sonucunda teorik modelin veriye ne kadar iyi uyduğunu gösteren uyum iyiliği (goodness-of-fit) indeksleridir.
Uyum iyiliği indeksleri DFA'nın temel değerlendirme araçlarıdır.

Anahtar Kavram

AFA ve DFA Varsayımsal Karşılaştırması ve Uyum İyiliği İndeksleri
Tahmini Süre:2m 0s
Soru 37Soru

Bir büyükşehir belediyesi, ilçelerin sosyo-ekonomik gelişmişlik düzeyini belirlemek amacıyla korelasyon matrisi üzerinden 88 değişkenli bir faktör analizi (temel bileşenler çıkarımı ile) uygulamıştır. Analiz sonucunda özdeğeri (eigenvalue) 11'den büyük olan 33 faktör elde edilmiştir.

İlk iki faktörün özdeğerleri sırasıyla λ1=3.2\lambda_1 = 3.2 ve λ2=1.8\lambda_2 = 1.8 olarak hesaplanmıştır. Oluşturulan bu 33 faktörlü modelin, veri setindeki toplam varyansı açıklama oranı %77.5\%77.5'tir.

Ayrıca, analizde yer alan 'eğitim endeksi' değişkeninin bu üç faktördeki yük (loading) değerleri sırasıyla 0.700.70, 0.400.40 ve 0.30-0.30 olarak bulunmuştur.

Buna göre, üçüncü faktörün özdeğeri (λ3\lambda_3) ve 'eğitim endeksi' değişkeninin ortak varyansı (communality) sırasıyla aşağıdakilerin hangisinde doğru verilmiştir?

Cevabı ve açıklamayı göster

Cevap: 1.21.2 ve 0.740.74

Cevap

Üçüncü faktörün özdeğeri 1.21.2 ve eğitim endeksi değişkeninin ortak varyansı 0.740.74'tür.
Korelasyon matrisi üzerinden yapılan faktör analizinde toplam varyans değişken sayısına (88) eşittir. Bu varyansın %77.5\%77.5'i faktörler tarafından açıklandığı için özdeğerler toplamı 8×0.775=6.28 \times 0.775 = 6.2'dir. İlk iki faktörün toplamı 5.05.0 olduğundan üçüncü faktörün özdeğeri λ3=1.2\lambda_3 = 1.2 olarak bulunur. Ortak varyans (h2h^2) ise ilgili değişkenin faktör yüklerinin kareleri toplamıdır: (0.70)2+(0.40)2+(0.30)2=0.49+0.16+0.09=0.74(0.70)^2 + (0.40)^2 + (-0.30)^2 = 0.49 + 0.16 + 0.09 = 0.74 olarak hesaplanır.

Adım Adım Çözüm

1
Korelasyon matrisinin toplam varyansını ve açıklanan toplam varyansı hesaplamak
Toplam varyans = 88. Açıklanan varyans = 8×0.775=6.28 \times 0.775 = 6.2
Korelasyon matrisinde her değişkenin varyansı 11'dir, dolayısıyla toplam varyans değişken sayısına (p=8p=8) eşittir.
2
Üçüncü faktörün özdeğerini (λ3\lambda_3) bulmak
λ3=6.2(3.2+1.8)=1.2\lambda_3 = 6.2 - (3.2 + 1.8) = 1.2
Çıkarılan faktörlerin özdeğerleri toplamı, modelin açıkladığı toplam varyansa eşittir.
3
Değişkenin ortak varyansını (communality, h2h^2) hesaplamak
h2=(0.70)2+(0.40)2+(0.30)2=0.49+0.16+0.09=0.74h^2 = (0.70)^2 + (0.40)^2 + (-0.30)^2 = 0.49 + 0.16 + 0.09 = 0.74
Bir değişkenin ortak varyansı, o değişkenin tüm faktörlerdeki yüklerinin kareleri toplamına eşittir.

Anahtar Kavram

Faktör analizinde korelasyon matrisinin izi (toplam varyans), açıklanan varyans oranı ve ortak varyans hesaplaması.
Soru 38Soru

Geliştirdiği çok boyutlu bir ölçme aracının yapı geçerliğini inceleyen bir araştırmacı, veri setini rastgele ikiye bölerek ilk yarıda Açımlayıcı Faktör Analizi (AFA), ikinci yarıda ise Doğrulayıcı Faktör Analizi (DFA) uygulamayı planlamaktadır.

Bu araştırmacının AFA ve DFA süreçleri arasındaki yöntemsel ilişkiler, temel varsayımlar ve uyum iyiliği (goodness-of-fit) indeksleri hakkında yapacağı aşağıdaki değerlendirmelerden hangisi istatistiksel olarak doğrudur?

Cevabı ve açıklamayı göster

Cevap: AFA'da temel eksenler (principal axis factoring) yöntemiyle elde edilip eğik (oblique) döndürme sonucunda aralarında yüksek korelasyon saptanan faktörlerin yapısı DFA ile sınanırken, faktörler arası kovaryans parametreleri serbest bırakılmalı ve kuramsal modelin veriyle uyumu RMSEA veya CFI gibi indeksler aracılığıyla değerlendirilmelidir.

Cevap

AFA'da eğik döndürme ile elde edilen ilişkili faktör yapısının DFA'da test edilirken kovaryansların serbest bırakılması ve model uyumunun RMSEA/CFI gibi indekslerle değerlendirilmesi gerektiğini belirten ifade doğrudur.
AFA aşamasında temel eksenler faktoringi ile faktör çıkarılıp eğik döndürme kullanıldığında faktörlerin birbirleriyle ilişkili olduğu kabul edilir. DFA aşamasına geçildiğinde, bu teorik yapının doğru test edilebilmesi için söz konusu faktörler arasındaki kovaryansların tahmin edilecek şekilde serbest bırakılması gerekir. Ayrıca, DFA modelinin veriye ne derece iyi uyduğunu göstermek için KMO/Bartlett değil, RMSEA ve CFI gibi uyum indeksleri kullanılır.

Adım Adım Çözüm

1
AFA ve DFA'nın temel amaçları ve varsayımları arasındaki ilişkilerin değerlendirilmesi.
AFA'da faktörler arası korelasyona izin veren eğik (oblique) döndürme kullanılmışsa, DFA'da da bu faktörler arası kovaryans yolları (parametreleri) serbest bırakılmalıdır.
DFA modeli, AFA'da keşfedilen teorik yapıyı sınadığı için faktörlerin bağımlılık durumu (eğik döndürme sonuçları) modele yansıtılmalıdır.
2
DFA uyum iyiliği (goodness-of-fit) indekslerinin işlevlerinin kontrol edilmesi.
RMSEA, CFI, SRMR, TLI gibi indeksler DFA modelinin gözlenen varyans-kovaryans matrisiyle ne derece eşleştiğini test eder.
KMO ve Bartlett testleri AFA öncesi verinin faktör analizi için uygunluğunu test ederken, RMSEA ve CFI spesifik olarak kurulan modelin veri uyumunu gösterir.
3
Seçeneklerde yer alan istatistiksel yanılgıların ayıklanması.
TBA'nın hata terimi içermesi, eğik döndürmenin diklik varsayması ve ki-kare anlamlılığının mükemmel uyum göstermesi gibi hatalı ifadeler elenerek doğru sonuca ulaşılır.
Çok değişkenli istatistiksel yöntemlerin temel matematiksel varsayımlarıyla çelişen argümanlar bilimsel olarak geçersizdir.

Anahtar Kavram

Açımlayıcı (AFA) ve Doğrulayıcı (DFA) Faktör Analizi Entegrasyonu
Soru 39Soru

Sosyal bilimler alanında geliştirilen çok boyutlu bir psikolojik ölçme aracının yapı geçerliğini inceleyen bir araştırmacı, veri setinin özelliklerini ve faktör yapısını değerlendirmek için önce Açımlayıcı Faktör Analizi (AFA), ardından elde ettiği yapıyı test etmek için farklı bir örneklem üzerinde Doğrulayıcı Faktör Analizi (DFA) uygulamıştır.

Araştırmacının uyguladığı AFA ve DFA süreçlerinin temel varsayımları, faktör çıkarma yöntemleri, döndürme (rotation) teknikleri ve model uyum indeksleri arasındaki ilişkiler dikkate alındığında, aşağıdaki ifadelerden hangisi doğrudur?

Cevabı ve açıklamayı göster

Cevap: AFA keşfedici bir yaklaşımla tüm gözlenen değişkenlerin tüm faktörlere serbestçe yüklenmesine izin verirken; DFA teori odaklıdır ve araştırmacının kısıtladığı kuramsal modelin veriye ne derece uyum sağladığı RMSEA, CFI ve SRMR gibi uyum iyiliği indeksleri ile test edilir.

Cevap

AFA'nın veri odaklı yapısıyla değişkenlerin tüm faktörlere serbestçe yüklendiğini, DFA'nın ise teori odaklı kısıtlamalar içererek model uyumunu RMSEA ve CFI gibi indekslerle değerlendirdiğini belirten ifade doğrudur.
Doğru olan ifade, AFA ve DFA'nın doğasını eksiksiz özetlemektedir. AFA'da kısıtlama yoktur, tüm değişkenler tüm faktörlerde bir yük değerine sahip olabilir; amaç gizil yapıyı keşfetmektir. DFA'da ise araştırmacı teorik bir beklentiyle modele kısıtlamalar koyar (örneğin X maddesi sadece Y faktörüne yüklenir) ve bu kurgunun toplanan veriye uygunluğu Ki-kare, RMSEA, CFI, SRMR, TLI gibi uyum iyiliği indeksleri ile matematiksel olarak değerlendirilir.

Adım Adım Çözüm

1
AFA ve DFA'nın temel teorik yaklaşımlarını karşılaştır.
AFA keşfedicidir (veri odaklı), DFA doğrulayıcıdır (teori odaklı).
İki analizin kullanım amacını ayırt etmek.
2
Döndürme (rotation) tekniklerinin varsayımlarını kontrol et.
Varimax ve Quartimax dik (ilişkisiz), Promax ve Oblimin eğik (ilişkili) döndürme teknikleridir.
Döndürme yöntemleriyle ilgili yanlış sınıflandırmaları elemek.
3
Faktör çıkarma yöntemleri ile KMO/Bartlett testlerinin işlevini değerlendir.
TBA toplam varyansı kullanır, KMO > 0,50 ve anlamlı Bartlett testi faktör analizi için ön koşuldur.
Metodolojik öncüllerin doğru uygulanıp uygulanmadığını saptamak.

Anahtar Kavram

Açımlayıcı ve Doğrulayıcı Faktör Analizinin Temel Varsayımları
Tahmini Süre:1m 30s
Soru 40Soru

Bir tüketici davranışı araştırmacısı, akıllı telefon satın alma kararlarını etkileyen boyutları belirlemek amacıyla 55 gözlenebilir maddeden (V1,V2,V3,V4,V5V_1, V_2, V_3, V_4, V_5) oluşan bir ölçeğe Açımlayıcı Faktör Analizi (AFA) uygulamıştır. Analizde, korelasyon matrisi üzerinden Temel Bileşenler (Principal Components) çıkarma yöntemi kullanılmıştır.

Yapılan analiz sonucunda özdeğeri (eigenvalue) 11'den büyük olan iki faktör elde edilmiş ve bu faktörlerin özdeğerleri sırasıyla λ1=2.4\lambda_1 = 2.4 ve λ2=1.2\lambda_2 = 1.2 olarak hesaplanmıştır. Ayrıca, beşinci maddenin (V5V_5) birinci faktördeki yükü (loading) 0.800.80 ve ikinci faktördeki yükü 0.40-0.40 olarak bulunmuştur.

Buna göre, beşinci maddenin (V5V_5) ortak varyans (communality) değeri ile bu iki faktörün veri setindeki toplam varyansı açıklama oranı sırasıyla aşağıdakilerden hangisinde doğru verilmiştir?

Cevabı ve açıklamayı göster

Cevap: 0.800.80 ve %72\%72

Cevap

Doğru seçenek 0.800.80 ve %72\%72 değerlerini içeren seçenektir.
Ortak varyans (communality), bir değişkenin çıkarılan tüm faktörler tarafından açıklanan varyansıdır ve ilgili faktör yüklerinin kareleri toplamına eşittir. Beşinci değişken için ortak varyans: h52=(0.80)2+(0.40)2=0.64+0.16=0.80h_5^2 = (0.80)^2 + (-0.40)^2 = 0.64 + 0.16 = 0.80 olarak bulunur. Temel Bileşenler yönteminde (korelasyon matrisi kullanıldığında) veri setinin toplam varyansı değişken sayısına (p=5p=5) eşittir. İki faktörün açıkladığı toplam varyans oranı, özdeğerler toplamının değişken sayısına bölünmesiyle elde edilir: 2.4+1.25=3.65=0.72\frac{2.4 + 1.2}{5} = \frac{3.6}{5} = 0.72 (yani %72\%72). Doğru değerler sırasıyla 0.800.80 ve %72\%72'dir.

Adım Adım Çözüm

1
Beşinci maddenin (V5V_5) ortak varyansını (communality) hesapla.
h52=(0.80)2+(0.40)2=0.64+0.16=0.80h_5^2 = (0.80)^2 + (-0.40)^2 = 0.64 + 0.16 = 0.80
Bir değişkenin ortak varyansı, o değişkenin faktör yüklerinin (loadings) kareleri toplamına eşittir.
2
Veri setindeki toplam varyansı belirle.
Toplam varyans = p=5p = 5
Korelasyon matrisi üzerinden yapılan faktör analizinde her değişken standartlaştırılmış kabul edildiğinden, toplam varyans analize giren değişken (madde) sayısına eşittir.
3
İki faktörün açıkladığı toplam varyans oranını hesapla.
Açıklanan Varyans Oranı = λ1+λ2p=2.4+1.25=3.65=0.72\frac{\lambda_1 + \lambda_2}{p} = \frac{2.4 + 1.2}{5} = \frac{3.6}{5} = 0.72 (%72\text{\%}72)
Açıklanan toplam varyans oranı, alıkonulan faktörlerin özdeğerleri (eigenvalues) toplamının, veri setindeki toplam varyansa bölünmesiyle bulunur.

Anahtar Kavram

Faktör yüklerinden ortak varyansın (communality) hesaplanması ve özdeğerler (eigenvalues) kullanılarak açıklanan toplam varyans oranının bulunması.
Tahmini Süre:2m 0s
ÖncekiSayfa 2 / 5Sonraki
Faktör Analizi Alıştırma Soruları — KPSS İstatistik — Sayfa 2 | Examkin