Categorical Principal Component Analysis and Application by Depression Data Set

Abstract

Amaç: Kategorik Temel Bileşenler Analizi (KTBA), boyut indirgeme ve görselleştirmenin yanında bağımlı değişken üzerinde etkili olan bağımsız değişkenler arasındaki korelasyonları ortaya çıkarmak için kullanılan çok değişkenli bir istatistik analiz yöntemidir. Yapılan literatür incelenmesinde, konu ile ilgili Türkçe literatürün yok denecek kadar az olması nedeniyle bu çalışmada; depresyon veri seti ile yöntemin açıklanması ve bu tür veri setlerinde kullanılabilirliğinin bir uygulama ile gösterilmesi amaçlanmıştır Yöntem: Yöntemde çoklu nominal ve çoklu nominal olmayan değişkenlerde her boyut için bileşen yükleri belirlendikten sonra, özdeğerler ve toplam açıklanan varyans hesaplanır. Çalışmada 664 öğrenciden anket yolu ile elde edilen veriler kullanılmıştır. Bulgular: Depresyonla ilişkili olabileceği düşünülen değişkenlerin; boyut indirgeme ile iki boyuta indirgenmesi sonucunda; birinci boyuta ait varyans açıklama oranı %18,08 ve ikinci boyuta ait varyans açıklama oranı ise %16,58 olarak bulunmuştur. Sonuç: Kategorik Temel Bileşenler Analizinde kategorik değişkenler çeşitli dönüşümlerle sayısallaştırılmakta ve kayıp fonksiyonu ile çok değişkenli analiz yöntemlerinin uygulanmasına imkân sağlanmaktadır. Böylece minimum kayıpla gerçek uzaydaki ilişkiler daha düşük boyutlu bir uzayda gösterilebilmektedir. Bu çalışmada değişkenler arasındaki doğrusal ve doğrusal olmayan ilişkiler modellenebilmiştir. Buna göre depresyon ile cinsiyet, yaş, gelir ve bölüm değişkenleri arasında bir ilişki olduğu bulunmuştur.