Page 85 - Gričar, Sergej, in Štefan Bojnec, 2016. Aplikacija metodologije časovnih serij na primeru turističnih cen. Koper: Založba Univerze na Primorskem.
P. 85
Empirična analiza kvantitativne raziskave 85
spremenljivke, smo primerjali z rezultati kointegracijske analize in VECM.
V nadaljevanju podajamo ocene za našo raziskavo.
Na podlagi Kaiser-Meyer-Olkin (KMO) kazalca (vrednost 0,781), ki je
večji od 0,5, ocenjujemo, da so podatki povsem primerni za faktorsko ana-
lizo. KMO mera ustreznosti meri povezanost med spremenljivkami (ozi-
roma je mera homogenosti spremenljivk). Zavzame lahko vrednosti med 0
in 1. Zaželena je čim višja vrednost. Na podlagi grafikona lastnih vrednos-
ti ugotovimo, da je smiselno model oceniti z dvema faktorjema (krivulja se
močneje prelomi). Ob pogledu na deleže pojasnjene variance s skupnima
dejavnikoma je mogoče ugotoviti, da s prvim faktorjem lahko pojasni-
mo kar 75,631 % variabilnosti analiziranih spremenljivk. Rezultati1 anali-
ze kažejo, da obstajata dva dejavnika – faktorja, s katerima pojasnimo kar
85,607 % celotne variabilnosti spremenljivk. Drugi faktor pojasnjuje delež
variabilnosti spremenljivk v manjši meri.
Interpretacija rezultatov analize metode glavnih komponent in faktorske
analize
Na podlagi ocen komunalitet z metodo najmanjših kvadratov 4 je bilo mo-
goče ugotoviti najvišje deleže pojasnjene variance s skupnima faktorjema
pri indeksih IAC, ICŽP, ICŽPEA, ICGSEA, ICIPP in ICS.
Na podlagi ocen komunalitet z metodo slike je bilo mogoče ugotovi-
ti najvišje deleže pojasnjene variance s skupnima faktorjema pri indeksih
ICŽP (99,8 % variabilnosti indeksa), ICŽPEA, ICGEEA, ICIPP, ICS,
IAC in NEDT.
Z dvema skupnima komponentama pri metodi glavnih komponent
lahko pojasnimo kar 85,607 % celotne variabilnosti spremenljivk. Prva
komponenta pojasnjuje 75,631 % variabilnosti analiziranih spremenljivk,
druga pa 9,976 % variabilnosti. Vrednost pojasnjene variance za posame-
zen faktor se je po rotaciji spremenila, četudi je vrednost celotne pojasnje-
ne variance ostala enaka (Gorsuch 1974).
Z dvema skupnima faktorjema pri metodi najmanjših kvadratov lah-
ko pojasnimo 82,789 % celotne variabilnosti analiziranih spremenljivk, kar
smo razbrali iz Preglednice 3.2 v prilogi 3. Drugi faktor pojasnjuje manjši
delež variance. Delež pojasnjene variabilnosti drugega faktorja je 7,994 %
in prvega 74,796 %.
Z dvema skupnima faktorjema pri metodi slike lahko pojasnimo 81,558 %
celotne variabilnosti analiziranih spremenljivk, kar smo razbrali iz Pregle-
dnice 3.4 v prilogi 3. Drugi faktor pojasnjuje manjši delež variance. Delež po-
jasnjene variabilnosti drugega faktorja je 7,773 % in prvega 73,785 %.
1 Izračuni faktorske analize in metode glavnih komponent so na voljo pri avtorjih na poziv.
spremenljivke, smo primerjali z rezultati kointegracijske analize in VECM.
V nadaljevanju podajamo ocene za našo raziskavo.
Na podlagi Kaiser-Meyer-Olkin (KMO) kazalca (vrednost 0,781), ki je
večji od 0,5, ocenjujemo, da so podatki povsem primerni za faktorsko ana-
lizo. KMO mera ustreznosti meri povezanost med spremenljivkami (ozi-
roma je mera homogenosti spremenljivk). Zavzame lahko vrednosti med 0
in 1. Zaželena je čim višja vrednost. Na podlagi grafikona lastnih vrednos-
ti ugotovimo, da je smiselno model oceniti z dvema faktorjema (krivulja se
močneje prelomi). Ob pogledu na deleže pojasnjene variance s skupnima
dejavnikoma je mogoče ugotoviti, da s prvim faktorjem lahko pojasni-
mo kar 75,631 % variabilnosti analiziranih spremenljivk. Rezultati1 anali-
ze kažejo, da obstajata dva dejavnika – faktorja, s katerima pojasnimo kar
85,607 % celotne variabilnosti spremenljivk. Drugi faktor pojasnjuje delež
variabilnosti spremenljivk v manjši meri.
Interpretacija rezultatov analize metode glavnih komponent in faktorske
analize
Na podlagi ocen komunalitet z metodo najmanjših kvadratov 4 je bilo mo-
goče ugotoviti najvišje deleže pojasnjene variance s skupnima faktorjema
pri indeksih IAC, ICŽP, ICŽPEA, ICGSEA, ICIPP in ICS.
Na podlagi ocen komunalitet z metodo slike je bilo mogoče ugotovi-
ti najvišje deleže pojasnjene variance s skupnima faktorjema pri indeksih
ICŽP (99,8 % variabilnosti indeksa), ICŽPEA, ICGEEA, ICIPP, ICS,
IAC in NEDT.
Z dvema skupnima komponentama pri metodi glavnih komponent
lahko pojasnimo kar 85,607 % celotne variabilnosti spremenljivk. Prva
komponenta pojasnjuje 75,631 % variabilnosti analiziranih spremenljivk,
druga pa 9,976 % variabilnosti. Vrednost pojasnjene variance za posame-
zen faktor se je po rotaciji spremenila, četudi je vrednost celotne pojasnje-
ne variance ostala enaka (Gorsuch 1974).
Z dvema skupnima faktorjema pri metodi najmanjših kvadratov lah-
ko pojasnimo 82,789 % celotne variabilnosti analiziranih spremenljivk, kar
smo razbrali iz Preglednice 3.2 v prilogi 3. Drugi faktor pojasnjuje manjši
delež variance. Delež pojasnjene variabilnosti drugega faktorja je 7,994 %
in prvega 74,796 %.
Z dvema skupnima faktorjema pri metodi slike lahko pojasnimo 81,558 %
celotne variabilnosti analiziranih spremenljivk, kar smo razbrali iz Pregle-
dnice 3.4 v prilogi 3. Drugi faktor pojasnjuje manjši delež variance. Delež po-
jasnjene variabilnosti drugega faktorja je 7,773 % in prvega 73,785 %.
1 Izračuni faktorske analize in metode glavnih komponent so na voljo pri avtorjih na poziv.
