La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

LAnalisi Fattoriale (PCA) con SPSS Cristina Zogmaister.

Presentazioni simili


Presentazione sul tema: "LAnalisi Fattoriale (PCA) con SPSS Cristina Zogmaister."— Transcript della presentazione:

1 LAnalisi Fattoriale (PCA) con SPSS Cristina Zogmaister

2 Aprire lib/psico/corsi/zogmaister Trascinare SECONDA LEZIONE nel vostro spazio Lanciare SPSS PASW 18 Aprire dal vostro spazio il file customer_satisfaction.sav

3 LAnalisi Fattoriale è un processo iterativo Passi preliminari Selezionare e misurare un insieme di variabili verificare ladeguatezza delle variabili – es. normalità delle distribuzioni, presenza di outlier, linearità delle relazioni, rapporto tra nr. di variabili e nr. di fattori attesi, rapporto tra nr. di variabili e nr. di soggetti.

4 LAnalisi Fattoriale è un processo iterativo Analisi fattoriale (processo iterativo) 1. Eseguire una prima analisi fattoriale 2. Determinare il numero di fattori 3. Eseguire la rotazione a) prima obliqua, b) poi eventualmente ortogonale 4. Interpretare i risultati e dare un nome ai fattori Il criterio che guida lAF è linterpretabilità Una buona AF ha senso, una cattiva AF non ha senso

5 LAnalisi Fattoriale è un processo iterativo Passi successivi: verificare la struttura fattoriale (replicabilità), stabilire la validità di costrutto dei fattori (correlazioni con altre variabili; effetto delle manipolazioni sui punteggi fattoriali)

6 File dati: customer_satisfaction.sav Intervista a 200 clienti di un ristorante Obiettivo: capire quali sono gli aspetti che determinano il livello di soddisfazione nei confronti del ristorante Ipotesi di partenza: 4 aspetti Qualità del cibo Qualità del servizio (cortesia del personale) Ambiente Prezzo

7 Il questionario 12 domande relative ai quattro aspetti ipotizzati alla base della soddisfazione dei clienti (x1 – x12) Qualità del cibo Qualità del servizio (cortesia del personale) Ambiente Prezzo 3 domande sulla soddisfazione (d1 – d3) 3 domande sociodemografiche

8 E possibile riassumere le risposte relative alla soddisfazione nelle 4 dimensioni ipotizzate? Sono rispettati i prerequisiti per unanalisi fattoriale? Ampiezza del campione idealmente 300 casi o più, ma dipende da numero di fattori, forza delle relazioni tra le variabili Adeguato numero di variabili Almeno 3 per ogni fattore (meglio di più) Ci sono outlier univariati (e multivariati)? Le variabili sono distribuite normalmente? Se le variabili non sono normali, la soluzione è meno chiara (e non si possono applicare test statistici che implicano la normalità) Le relazioni tra le coppie di variabili sono lineari? La matrice è fattorializzabile? correlazioni bivariate sufficientemente elevate (>|.30|) test di Bartlett (troppo sensibile)

9 Lanalisi fattoriale Analizza Riduzione dimensione Fattoriale

10 Scegliamo le variabili su cui vogliamo operare la PCA (x1 – x12)

11 Indicazioni di base Chiediamo la matrice delle correlazioni Metodo di estrazione: PCA Numero di fattori (per il momento non lo conosciamo) Scree plot

12

13 Default: criterio mineigen Default: PCA

14 Esaminiamo loutput Matrice di correlazioni iniziali: diversi r>|.30|

15 Comunalità È la somma dei quadrati delle correlazioni della variabile con i fattori. Indica quanta della varianza della variabile è spiegata dai fattori

16 Varianza totale spiegata La varianza totale spiegata dai fattori (prima della rotazione) / 12 = = 25% Mineigen

17 Scree plot Sia lo scree plot, sia il criterio mineigen suggeriscono la presenza di 4 componenti

18 Matrice delle componenti Matrice di correlazione tra le componenti e le variabili. Tutti e quattro i fattori sono correlati in maniera sostanziale (r>|.32|) con molte variabili e le variabili sono correlate con più fattori. La soluzione non è chiara (perché non è stata fatta la rotazione)

19 Eseguiamo la rotazione Ortogonale o obliqua? Prima obliqua, se non ci sono correlazioni sostanziali passiamo a una rotazione ortogonale.

20

21 Matrice di correlazione tra le componenti (in fondo alloutput)

22 Rotazione ortogonale (varimax) Varianza totale spiegata: una nuova parte della tabella indica la varianza spiegata dai fattori dopo la rotazione La varianza totale non cambia rispetto a prima della rotazione, ma è suddivisa in maniera diversa tra i fattori

23 Matrice delle componenti ruotata Più chiara!!! Ogni variabile ha saturazioni importanti su una sola componente.

24 Interpretiamo le componenti 1 = ? 2 = ? 3 = ? 4 = ?

25 Report dellanalisi E stata condotta lanalisi delle componenti principali. Un primo esame dello screeplot suggeriva la presenza di 4 componenti. Anche il criterio Mineigen suggeriva una soluzione a 4 componenti. Questa numerosità corrispondeva a quella che era stata precedentemente ipotizzata in fase di costruzione del questionario. Le analisi successive hanno confermato la presenza di 4 componenti, non correlate. Con una rotazione obliqua (criterio oblimin) emergeva una correlazione massima tra le componenti di r = |.167|, perciò è stata condotta una rotazione ortogonale (criterio varimax). La soluzione a quattro componenti spiega il 75% della varianza osservata nelle variabili. Le quattro componenti sono interpretate come: qualità del cibo, qualità del servizio, ambiente, prezzo. La matrice delle componenti ruotate è presentata in Tab. 1.

26 Domanda n. 2: Le domande sulla soddisfazione (d1, d2, d3) possono essere riassunte in un unico punteggio? (la scala è monofattoriale?) Svolgete la PCA e provate a dare una risposta.

27 Risposta La PCA ha confermato la presenza di un unico fattore sottostante alle domande relative alla soddisfazione. I tre item sono altamente correlati tra di loro (correlazione minima r =.81) e ununica componente spiega il 90 % della varianza.

28 Domanda n. 3 Legame tra le 4 componenti e la soddisfazione Calcolo dei punteggi nei fattori Punteggio fattoriale Punteggio sommato

29 Calcolo dei punteggi fattoriali Conduciamo lanalisi fattoriale Estrazione: PCA Nr. componenti: 4 Rotazione: Varimax Calcolo dei punteggi fattoriali

30

31

32 Date etichette appropriate

33 Calcolare il punteggio fattoriale per la soddisfazione Correlazione tra i quattro fattori di valutazione e il fattore di soddisfazione

34 Calcoliamo i punteggi sommati s.cibo = x1 + x4 + x9 s.personale = x6 + x11 + x12. s.ambiente = x2 + x7 + x8. s.prezzo = x3 + x 5 + x10. s.Sodd = d1 + d2 + d3.

35 Correlazioni Tra punteggi fattoriali e punteggi sommati: sono molto alte Tra punteggi sommati e soddisfazione: rivelano gli stessi legami già visti in precedenza.

36 Ora da soli: file personalità.sav A 459 persone è stato somministrato un questionario di self-report di personalità Dovevano valutare quanto si sentivano descritti da ciascuno di 44 diversi aggettivi Ipotesi: 5 componenti (big five) Energia Amicalità Coscienziosità Stabilità emotiva Apertura mentale Quante sono le componenti? Sono ortogonali o oblique? Corrispondono alle 5 componenti ipotizzate?

37 Quante sono le componenti?

38 Mineigen: 10

39 Quante sono le componenti? Mineigen: massimo 10 Scree plot: 5 Attesa teorica: 5 Partiamo da 5 componenti, vediamo se la soluzione è interpretabile

40 Le componenti sono correlate? (Rotazione oblimin) No

41 Rotazione Varimax – prima componente coscienziosità

42 Seconda componente: energia

43 Terza componente: (in)stabilità emotiva

44 Quarta componente: (mancanza di) amicalità

45 Quinta componente: apertura mentale

46 Da soli: BimbiCompetenze.sav 177 bambini della scuola per linfanzia. Batteria di 10 test Questi punteggi possono essere ridotti a un numero inferiore di dimensioni? Quante? Quali? Sono correlate tra di loro? Quale percentuale di varianza osservata viene spiegata complessivamente, quale percentuale di varianza viene spiegata da ciascuna dimensione? Ci sono variabili pure? Quali? Suggerimenti per migliorare la batteria di test?


Scaricare ppt "LAnalisi Fattoriale (PCA) con SPSS Cristina Zogmaister."

Presentazioni simili


Annunci Google