Faktör analizi, değişkenler arasındaki ilişkileri belirleyerek daha anlamlı ve özet bir yapı sunmayı amaçlayan istatistiksel bir yöntemdir. Boyut indirgeme ve bağımsızlık yapısını belirleme gibi amaçlarla kullanılır.
Faktör analizi, Açıklayıcı Faktör Analizi (EFA) ve Doğrulayıcı Faktör Analizi (CFA) olmak üzere ikiye ayrılır.
1. AÇIKLAYICI FAKTÖR ANALİZİ (EFA)
Açıklayıcı Faktör Analizi, veriler arasındaki ilişkileri keşfetmek ve ortak faktörleri belirlemek için kullanılır.
📌 Özellikleri:
✔ Değişkenler arasındaki gizli yapıyı ortaya çıkarmak için kullanılır.
✔ Veri setindeki değişkenleri daha az sayıda faktöre indirger.
✔ Veri setinde hangi değişkenlerin birlikte hareket ettiğini belirler.
📊 EFA Kullanım Alanları:
✅ Psikometrik ölçek geliştirme
✅ Müşteri davranışlarını analiz etme
✅ Pazar araştırmaları
✅ Sosyal bilimler araştırmaları
🛠 SPSS’te Açıklayıcı Faktör Analizi Yapma Adımları:
1️⃣ Analyze > Dimension Reduction > Factor seçeneğine tıklayın.
2️⃣ Analize dahil edilecek değişkenleri seçin.
3️⃣ Extraction (Çıkarma) yöntemini belirleyin (Genellikle Principal Component Analysis – PCA kullanılır).
4️⃣ Rotation (Döndürme) yöntemi belirleyin (Varimax, Oblimin gibi yöntemler seçilebilir).
5️⃣ Sonuçları yorumlayın (Faktör yükleri 0.4 ve üzeri olan değişkenler belirlenir).
2. DOĞRULAYICI FAKTÖR ANALİZİ (CFA)
Doğrulayıcı Faktör Analizi, önceden belirlenmiş bir modelin veriye ne kadar uygun olduğunu test etmek için kullanılır.
📌 Özellikleri:
✔ Önceden belirlenmiş teorik modelleri doğrulamak için kullanılır.
✔ Ölçek geliştirme sürecinde geçerlilik testi yapmaya yardımcı olur.
✔ Faktörlerin istatistiksel uygunluğunu test eder.
📊 CFA Kullanım Alanları:
✅ Psikolojik testlerin güvenilirlik analizi
✅ Akademik ölçeklerin geçerlilik çalışmaları
✅ Kurumsal performans değerlendirme modelleri
✅ Eğitim araştırmalarında ölçüm modelleri
🛠 SPSS AMOS’ta CFA Yapma Adımları:
1️⃣ SPSS AMOS’u açın ve değişkenleri belirleyin.
2️⃣ Modeli oluşturun (gizil değişkenler ve gözlenen değişkenler eklenir).
3️⃣ Faktör yüklerini ve model uyum indekslerini hesaplayın (GFI, RMSEA, CFI gibi değerler incelenir).
4️⃣ Modelin uygunluğunu değerlendirin ve raporlayın.
3. FAKTÖR ANALİZİNDE KULLANILAN TEMEL KAVRAMLAR
| Kavram | Açıklama |
|---|---|
| Faktör Yükü (Factor Loadings) | Değişkenin faktörle ilişkisini gösteren katsayıdır. 0.4 ve üzeri kabul edilir. |
| Eigenvalue (Özdeğer) | Faktörün toplam varyans içindeki açıklama yüzdesidir. 1’den büyük olması tercih edilir. |
| KMO (Kaiser-Meyer-Olkin) Testi | Örneklem uygunluğunu ölçer. 0.70 ve üzeri iyi kabul edilir. |
| Bartlett Küresellik Testi | Değişkenler arasında faktör analizi için yeterli ilişki olup olmadığını test eder. p<0.05 olmalıdır. |
| Varimax Rotation | Faktörleri yorumlamayı kolaylaştıran döndürme yöntemidir. |
4. SONUÇ
Faktör analizi, veri setlerindeki karmaşık yapıları sadeleştirerek anlamlı gruplar oluşturur.
📌 Açıklayıcı Faktör Analizi: Veri içindeki gizli yapıyı keşfetmek için kullanılır.
📌 Doğrulayıcı Faktör Analizi: Mevcut bir teorik modelin doğruluğunu test eder.
SPSS veya AMOS kullanarak faktör analizi yapmak istiyorsanız, adımları takip edebilir veya örnek veri setiyle analiz yapabilirsiniz, Veri Analiz Merkezi ile iletişime geçebilirsiniz. 😊
