Το κύριο συστατικό

Το κύριο συστατικό βασίζεται στην προσπάθεια να εξηγήσει το μέγιστο επίπεδο μεταβλητότητας σε ένα ορισμένο σύνολο των μεταβλητών, και προσανατολίζεται σε στοιχεία στη μήτρα συσχέτισης διαγώνιο. Υπάρχει και μια άλλη μέθοδος, βασίζεται στην ανάλυση παραγόντων, με σκοπό την εφαρμογή της προσέγγισης της μήτρας συσχέτισης χρησιμοποιώντας έναν ορισμένο αριθμό παραγόντων (μικρότερος από τον προκαθορισμένο αριθμό των μεταβλητών), αλλά με τις μεθόδους προσεγγίσεως σημαντικά διαφέρει από την πρώτη προτεινόμενη μέθοδο.

Έτσι, η μέθοδος της παραγοντικής ανάλυσης μπορεί να εξηγήσει τη συσχέτιση μεταξύ των ίδιων, και προσανατολισμένες στα στοιχεία του τύπου μήτρας συσχέτισης έξω της διαγώνια μεταβλητές.

Με βάση την πρακτική χρήση, να προσπαθήσουμε να κατανοήσουμε την αναγκαιότητα της εφαρμογής μιας συγκεκριμένης μεθόδου. παραγοντική ανάλυση χρησιμοποιείται όταν υπάρχει ενδιαφέρον για τους ερευνητές που μελετούν τη σχέση μεταξύ των μεταβλητών, η ανάλυση σε κύριες συνιστώσες χρησιμοποιείται όταν η ανάγκη να μειωθεί η διάσταση των δεδομένων, και σε μικρότερο βαθμό, είναι απαραίτητη η ερμηνεία τους.

Από την εμπειρία μας, μπορούμε να δούμε ότι οι μέθοδοι της παραγοντικής ανάλυσης χρησιμοποιώντας ένα αρκετά μεγάλο αριθμό των παρατηρήσεων. Το ποσό αυτό θα πρέπει να είναι κατά μία τάξη μεγέθους μεγαλύτερος από τον αριθμό των αναγνωρισμένων παραγόντων.

Το κύριο συστατικό είναι πολύ δημοφιλής στον τομέα της έρευνας μάρκετινγκ, καθώς μπορεί να χρησιμοποιηθεί με την παρουσία των δεδομένων πηγής πολυσυγγραμμικότητα. Κατά τη διαδικασία των ερωτηματολογίων έρευνας αγοράς περιέχουν παρόμοιες ερωτήσεις και τις απαντήσεις τους και θα τηρούν τις αρχές της πολυσυγγραμμικότητα.

Το κύριο συστατικό είναι σκόπιμο να εξεταστεί ένα σύνολο δεικτών που πρέπει να είναι για τον ερευνητή καθοδηγήσει την προ-επιλογή των συστατικών ή παραγόντων. Η πιο σημαντική από αυτές είναι οι ιδιοτιμές του εκφράζει το επίπεδο της διασποράς των μεταβλητών εξηγούνται από αυτόν τον παράγοντα. Υπάρχει ένας σημαντικός κανόνας, το οποίο είναι πολύ χρήσιμο για την εκτίμηση του αριθμού των παραγόντων (παράγοντες θα πρέπει να είναι όσο ιδιοτιμές υπάρχουν περισσότερα από ένα). Ο κανόνας αυτός μπορεί να εξηγήσει λίγο πιο εύκολο - οι ιδιοτιμές εκφράζουν το μερίδιο της κανονικοποιημένης αποκλίσεις των μεταβλητών που εξηγεί τους παράγοντες, και σε περίπτωση υπέρβασης της μονάδα θα πρέπει να εκφράζουν αυτές τις διασπορές που περιέχουν περισσότερες από μία μεταβλητές.

Είναι αναγκαίο να διευκρινιστεί για μία ακόμη φορά ότι ο κανόνας των «ατομικών ιδιοτιμών» - εμπειρική, και την ανάγκη για τη χρήση του μπορεί να καθοριστεί μόνο από τον ερευνητή. Για παράδειγμα, η ιδιοτιμή έχει μια τιμή μικρότερη από τη μονάδα, αλλά αυτό οφείλεται στην εξάπλωση, κατανέμονται μεταξύ των μεταβλητών. Ένας ειδικός στον τομέα του μάρκετινγκ είναι πολύ σημαντικό το γεγονός ότι η κατάτμηση εντοπίστηκαν παράγοντες ήταν ουσιαστική έννοια του όρου. Και τα στοιχεία αυτά, που περιέχει τις ιδιοτιμές του περισσότερα από ένα, αλλά δεν έχουν ουσιαστική ερμηνεία, δεν λαμβάνονται υπόψη. Και αυτό μπορεί να είναι μια κατάσταση εντελώς το αντίθετο.

Ένα άλλο σημαντικό ζήτημα σχετικά με την πρακτική εφαρμογή των μεθόδων ανάλυσης παράγοντα - το ζήτημα της εκ περιτροπής. Μπορεί να θεωρηθεί ότι τέτοιες επιλογές περιστροφές. Το πιο δημοφιλές από αυτά - Varimax μέθοδο. Βασίζεται στο μέγιστο επίπεδο της διασποράς των μεταβλητών σε κάθε μεμονωμένο παράγοντα. Αυτή η μέθοδος βοηθά να βρείτε μια περιστροφή, με τον οποίο ορισμένες μεταβλητές είναι υψηλές τιμές, ενώ άλλοι - αρκετά χαμηλή ώστε κάθε παράγοντα.

Μια άλλη μέθοδος περιστροφής - kvartimaks, βοηθά να βρείτε μια συγκεκριμένη περιστροφή, στην οποία οι παράγοντες για κάθε μεταβλητή να έχει τόσο χαμηλά και υψηλά φορτία.

ekvimaks μέθοδος περιστροφή είναι ένας συμβιβασμός μεταξύ των δύο μεθόδων που συζητούνται παραπάνω.

Όλες αυτές οι μέθοδοι είναι ορθογώνιες με αμοιβαία κάθετους άξονες, σε χρήση τους μπορούν να ανιχνευθούν καμία συσχέτιση μεταξύ των επιμέρους παραγόντων.