Çoklu Faktör Analizi
Multiple Factor Analysis · Ayrıca şöyle bilinir: MFA, MFA multiple
Çoklu Faktör Analizi (ÇFA), aynı gözlemler üzerinde ölçülen çoklu değişken gruplarını analiz etmek için Escofier ve Pagès (1985) tarafından geliştirilmiş bir boyut indirgeme tekniğidir. ÇFA, gözlemlerin birden fazla perspektiften nasıl ilişkili olduğuna dair birleşik bir görünüm sağlamak için her değişken grubunun etkisini dengeler.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Birden fazla ilgili veri kümesini aynı nesneler üzerinde analiz ederken (örneğin, anket yanıtları artı davranışsal veriler artı fizyolojik ölçümler), her veri alanına içsel varyansından bağımsız olarak eşit ağırlık vermek istediğinizde veya çeşitli veri kaynaklarını entegre ederken ÇFA'yı uygulayın. Duyusal değerlendirme, tüketici araştırması ve çoklu yöntem değerlendirmesi için idealdir.
Güçlü yönler & sınırlılıklar
- Değişken gruplarını dengeler: yüksek varyanslı grupların analizi domine etmesini önler
- Entegre görünüm: her veri boyutuna saygı duyarken genel yapıyı ortaya çıkarır
- Esnek gruplama: gruplar farklı sayıda değişkene ve farklı türlere sahip olabilir
- Yorumlanabilirlik: hem grup düzeyinde hem de küresel düzeyde içgörüler sağlar
- Görselleştirme: bileşen grafikleri gruplar içindeki ve arasındaki örüntüleri ortaya çıkarır
- Doğrusal ilişkileri varsayar: doğrusal olmayan örüntüler yakalanmaz
- Grup belirleme: değişkenlerin anlamlı a priori gruplanmasını gerektirir; kötü gruplama sonuçları yanlı hale getirir
- Örneklem büyüklüğü: toplam değişkenlere oranla yeterli gözlem gerektirir
- Karmaşıklık: yorumlama, birden fazla tabloyu eş zamanlı olarak anlamayı gerektirir
SSS
Değişkenleri nasıl gruplandıracağıma nasıl karar veririm?
Gruplar teorik olarak anlamlı veya pratik olarak ayırt edilebilir olmalıdır. Örneğin: psikolojik ölçekler bir grup, demografik değişkenler başka bir grup oluşturur. Grupların eşit büyüklükte olması gerekmez, ancak çok küçük gruplar kararsız olabilir.
Değişken gruplarını 'dengelemek' ne anlama geliyor?
ÇFA, her grubu grup düzeyindeki TBA'dan elde edilen özdeğerlerinin toplamına bölerek normalleştirir. Bu, hiçbir grubun daha yüksek içsel varyans nedeniyle baskın olmamasını sağlar ve her alana eşit ağırlık verir.
ÇFA kategorik değişkenleri işleyebilir mi?
Standart ÇFA sürekli değişkenleri varsayar. Kategorik veriler için Çoklu Karşılıklı Analiz (ÇKA) veya varyantlarını kullanın. Karma veri, ön işleme (kategorik değişkenleri kukla kodlama) ile işlenebilir.
Kaç bileşen çıkarmalıyım?
Eğri grafiğini veya kümülatif açıklanan varyansı kullanın. Tipik olarak %70-80 varyansı açıklayan 2-4 bileşen çıkarılır. Daha fazla bileşenin yorumlanması zorlaşır.
ÇFA'da kısmi eksenleri nasıl yorumlarım?
Kısmi eksenler, her değişken grubunun küresel boyuta nasıl katkıda bulunduğunu gösterir. Hem küresel hem de kısmi noktaları çizmek, tüm grupların hizalanıp hizalanmadığını veya bir boyutta bazılarının sapıp sapmadığını ortaya çıkarır.
Kaynaklar
- Escofier, B., & Pagès, J. (1985). Analyses factorielles simples et multiples : Objectifs, méthodes et interprétation. Dunod. ISBN: 9782040116835
- Pagès, J. (2004). Multiple Factor Analysis by Example Using R. Chapman and Hall/CRC. ISBN: 9781482234700
- Abdi, H., & Valentin, D. (2013). Multiple Factor Analysis. John Wiley & Sons. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Multiple Factor Analysis. ScholarGate. https://scholargate.app/tr/psychometrics/multiple-factor-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Keşifsel Yapısal Eşitlik ModellemesiPsikometri↔ karşılaştır
- Bulanık ANOVAPsikometri↔ karşılaştır
- Gizil Geçiş AnaliziPsikometri↔ karşılaştır
- Kısmi En Küçük Kareler Yapısal Eşitlik ModellemesiPsikometri↔ karşılaştır
- Artıklık AnaliziPsikometri↔ karşılaştır