5. HAFTA
FAKTÖR ANALİZİ
Faktör analizinde amaç, değişkenler arasındaki kovaryans yapısını, gözlenemeyen ancak rasgele değerler olan faktörlerle açıklamaktır. Faktör analiz modelinde değişkenlerin aralarındaki korelasyona göre gruplandırıldığı kabul edilir.
Ortogonal Faktör Modeli
p bileşenli gözlenebilen X (X X1, 2,...,Xp)rasgel vektörü için ( )E X ve Cov X( ) Σ olsun. Bir faktör modeli X ’in faktör adı verilen F F1, ,...,2 F gözlenemeyen rasgele m değişkenlere göre lineer bağımlılığını ve hata adı verilen 1, ,...,2 gibi p tane ek değişim p kaynağından oluşur. Bu hatalara bazen özel faktörler de denir.
Genel olarak bir faktör analizi modeli,
1 1 11 1 12 2 1 1 2 2 21 1 22 2 2 2 1 1 2 2 ... ... . . . ... m m m m p p p p pm m p X l F l F l F X l F l F l F X l F l F l F
biçiminde veya matris gösterimiyle
( 1) (px1) (px1) (pxm) (mx1) px
X L F
olarak ifade edilir. Burada lijkatsayısı, j inci faktör üzerinde i inci değişkenin ağırlığıdır ve 1, 2,..., , 1, 2,...,
j m i p dir. Böylece L matrisi de faktör ağırlıklar(yükleri) matrisidir. i, i inci özel faktör sadece i inci değişken X ile ilişkilidir. i X11,X2 2,...,Xpp
Varsayımlar: 1 ( ) 0mx E F ( ) ( ) mxm Cov F E FF I 1 ( ) 0px E 1 2 ( ) ( ) 0 . . . 0 0 . . . 0 . . . . . . . . . . . . 0 0 . . . pxp p Cov E
ve F ile ilişkisizdir. Yani
( , ) ( ) 0pxm Cov F E F dir. Yukarıdaki varsayımlardan ve ( 1) (px1) (px1) (pxm) (mx1) px
X L F ilişkisinden ortogonal faktör modeli oluşur.
Ortogonal faktör modeli X rasgele vektörünün varyans-kovaryans yapısını verir. X rasgele vektörünün varyans-kovaryans matrisinin
( ) ( )( ) pxp Cov X E X X Σ olduğunu biliyoruz. ( 1) (px1) (px1) (pxm) (mx1) px
X L F ortogonal faktör modeli ( )( ) ( )( ) ( )(( ) ( ) ) ( ) ( ) X F X X F F F F F F F F L L L L L L L L L
( )( ) ( ( ) ) ( ( ) ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) E X X E F F E F E F E E FF E F E F E E FF E F E F E L L L L L L L L L L L L LL
olarak elde edilir. İfade açık olarak yazılırsa
11 12 1 12 22 2 1 2 . . . . . . . . . . . . . . . . . . . . . p p p p pp Σ L L 11 12 1 11 21 1 1 21 22 2 12 22 2 2 1 2 1 2 . . . 0 . . . 0 . . . 0 . . . 0 . . . . . . . . . . . . . . . 0 0 . . . m p m p p p pm m m pm p l l l l l l l l l l l l l l l l l l dir. Buradan, 2 2 2 1 2 ( ) ... i ii i i im i Var X l l l ve 1 1 2 2 ( ) ... i k ik i k i k im km Cov X X l l l l l l
dir. Ayrıca, rasgele değişkenler ile faktörler arasındaki ilişki de incelenebilir. Buradan
( i j) ij
Cov X F l
dir.
Sonuç olarak X rasgele değişkenin varyansının m tane ortak faktörce açıklanan kısmına, ortak i faktör varyansı (ortaklık ) ve açıklanamayan kısmına özel faktör varyansı veya hata varyansı adı verilmektedir. Böylece
2 2 2 1 2 ( ) ... i ii i i im i Var X l l l ifadesinde 2 2 2 2 1 2 ... i i i im h l l l olarak alınırsa 2 , 1, 2,..., ii hi i i p dir. Örnek 7: 19 30 2 12 57 5 23 38 47 68 ve 4 1 7 2 1 6 1 8 L olarak verilsin.
Değişkenlerin özel varyans matrisini elde ediniz.
Çözüm 7:
Değişkenlerin özel varyans matrisi Cov
diag
i idi.
2 1 m i ij i j Var X l
olup buradan
2 2 1 , 1,2,..., i m i i ij j h Var X l i p
lij2 : j. faktör üzerinde i. değişkenin ağırlığıdır. Böylece L matrisi faktör ağırlıkları matrisidir.
2 2 2 2 2 1 11 12 2 1 1 1 4 1 17 19 17 2 h l l Var X h
2 2 2 2 2 3 31 32 2 3 3 3 ( 1) 6 37 38 37 1 h l l Var X h
2 2 2 2 2 2 21 22 2 2 2 2 7 2 53 57 53 4 h l l Var X h
2 2 2 2 2 4 41 42 2 4 4 4 1 8 65 68 65 3 h l l Var X h 2 0 0 0 0 4 0 0 0 0 1 0 0 0 0 3 olarak elde edilir.
Ortogonal bir faktör modelinde, X rasgele vektörünün varyans-kovaryans matrisindeki
1 1
( ( 1)) ( 1)
2 2
p p p p p tane varyans ve kovaryans; pm tane lij faktör ağırlıkları ve p tane
i
özel varyansından yeniden elde edilmektedir, i1, 2,..., , p j1,2,...,m. p m olduğunda varyans-kovaryans matrisi Σ , LL ile elde edilir. Bu durumda Ψ elemanlarını tümü sıfır olan bir matris olur. Ancak m p olduğunda faktör analizi anlamlı olmaktadır. Bu durumda bir faktör modeli, X rasgele vektörünün varyans-kovaryans matrisi Σ ’daki 1 ( 1)
2 p p varyans-kovaryans yapısını, daha az parametreyle açıklamaktadır.
Örnek 8 : p=3 ve m=1 olmak üzere X ( , , )X X X1 2 3 rasgele vktörüne ilişkin pozitif tanımlı varyans-kovaryans matrisi 1 0.9 0.7 1 0.4 1
Çözüm 8 : X(px1)(px1) L F(pxm) (mx1) (px1) faktör modelinde p=3 ve m=1 olduğunu göz önüne alırsak 1 1 11 1 1 1 11 1 1 2 2 21 1 2 2 2 21 1 2 3 3 31 3 3 3 31 1 3 X l X l F X l F X l F X l X l F
elde edilir. X X X1, ,2 3 rasgele değişkenlerine ilişkin varyans-kovaryans yapısının
' LL
biçiminde ifade edebileceğini biliyoruz. Buradan 2 11 11 21 11 31 1 2 21 21 31 2 2 3 31 1 0.9 0.7 0 0 1 0.4 0 1 l l l l l l l l l olup 2 11 21 11 1 11 31 2 21 2 21 31 2 31 3 0.9 1 0.7 1 0.4 1 l l l l l l l l l eşitliklerinden 11 31 21 11 21 31 0.7 0.4 0.4 0.7 l l l l l l bulunur. Bu sonucu 0.9 l l 11 21 eşitliğindeyazarsak l112 1.575 l11 1.255 elde edilir. Daha önce verilen varsayımlardan Var F ve ( ) 11 matrisinden Var X
1 1 dir. O halde
1, 1
1, 1
11Corr X F Cov X F l dir. Ancak korelasyon, mutlak değerce 1’den büyük