FAKTÖRLEŞTİRME (EXTRACTION) SONUÇLARININ KARŞILAŞTIRILARAK, VERİ SETİNİN İYİ TANIMLANIP TANIMLANMADIĞININ BELİRLENMESİ

Ebru ÖZGÜR

Makale detayları

FAKTÖRLEŞTİRME (EXTRACTION) SONUÇLARININ KARŞILAŞTIRILARAK, VERİ SETİNİN İYİ TANIMLANIP TANIMLANMADIĞININ BELİRLENMESİ

Yazarlar:

Ebru ÖZGÜR

Yayıncı:

Ataturk University

Dergi:

Journal of Economics and Administrative Sciences 2004 Vol.18 Issue 3-4

Belge Tipi:

Makale

Yayın Tarihi:

11/2010

Belge Dili:

Türkçe

Document ID (Org No.):

2000680515

Sıklık:

Üç Aylık

eISSN:

2822-2652

Özet:

 


Özet: Faktör analizi, fazla sayıdaki gözlenen değişkenler ile açıklananbilginin önemli bir kısmım daha az sayıdaki, faktör adı verilen bileşenler ileaçıklamaya çalışır, Bu bileşenler elde edilirken bir çok farklı faktörleştirme(faktör çıkarma) yöntemi kullanılabilir. Kullanılan farklı faktörleştirmeyöntemlerine aiı sonuçlar birbiri ile ne kadar uyumlu ise seçilen değişkenlerinanaliz için o kadar uygun olduğu söylenebilir. Bu nedenle bu çalışmada; 2000yılı için 81 ile ait 21 değişkene Temel Bileşenler, Ağırlıklandınlmamış EKK,Genelleştirilmiş EKK ve İmaj Faktörleştirmesi olmak üzere 4 farklıfaktörleştirme yöntemi uygulanmış, bu yöntemlerden elde edilen sonuçlarkarşılaştırılarak veri setinin iyi tanımlanıp tanımlanmadığının ortaya konulmasıamaçlanmıştır.

Anahtar Kelimeler: Temel Bileşenler, Ağırlıklandınlmamış En KüçükKareler, Genelleştirilmiş En Küçük Kareler, İmaj Faktörleştirmesi.

 

Abstract: With the aid of factor analysis, an important part ofinformation explained by several observed variables is evaluated by fewercomponents called factors. In obtaining those components, a number of factorextraction methods can be used. The more consistent results came out by factorextraction methods, the more convenient the variables for analysis. For thisreason, 21 variables belonging to 81 countries for the year of 2000 are processedby 4 different extraction methods; Principal Component, Unweighted LeastSquares, Generalized Least Squares and Image Factoring in this study. Thequestion of whether data set is well defined or not is tried to be pointed out bycomparing provided results.

Keywords: Principal Component, Unweighted Least SquaresGeneralized Least Squares, Image Factoring.

.

Makale detayları

FAKTÖRLEŞTİRME (EXTRACTION) SONUÇLARININ KARŞILAŞTIRILARAK, VERİ SETİNİN İYİ TANIMLANIP TANIMLANMADIĞININ BELİRLENMESİ

Yazarlar: Ebru ÖZGÜR

Yayıncı: Ataturk University

Dergi: Journal of Economics and Administrative Sciences 2004 Vol.18 Issue 3-4

Belge Tipi: Makale

Yayın Tarihi: 11/2010

Belge Dili: Türkçe

Document ID (Org No.): 2000680515

Sıklık: Üç Aylık

eISSN: 2822-2652

Sayı

Yazarlar:

Ebru ÖZGÜR

Yayıncı:

Ataturk University

Dergi:

Journal of Economics and Administrative Sciences 2004 Vol.18 Issue 3-4

Belge Tipi:

Makale

Yayın Tarihi:

11/2010

Belge Dili:

Türkçe

Document ID (Org No.):

2000680515

Sıklık:

Üç Aylık

eISSN:

2822-2652