Pagrindinis komponentas

Pagrindinis komponentas remiasi bando paaiškinti didžiausią lygį dispersijos tam tikra kintamųjų rinkinį, ir orientuota į elementų koreliacinės matricos įstrižainės. Yra dar vienas metodas, remiantis faktoriaus analizė, kuriuo siekiama įgyvendinti, kad koreliacinės matricos, naudojant tam tikrą skaičių veiksnių (mažiau nei iš anksto nustatyto skaičiaus kintamųjų) derinimą, bet metodai, suderinimo labai skiriasi nuo pirmojo siūlomą metodą.

Taigi, faktorinės analizės metodas gali paaiškinti skirtumą tarp pačių, o orientuotų ant koreliacijos matricos tipo elementų ribų jos įstrižai kintamųjų koreliacija.

Remiantis praktinio naudojimo, pabandykite suprasti taikymo konkrečiu būdu būtinybė. Faktorinė analizė yra naudojama, kai yra palūkanų mokslininkų, studijuojančių tarp kintamųjų ryšį, pagrindinis komponentas analizė yra naudojama, kai reikia sumažinti duomenų dimensiją, ir, kiek mažesniu mastu jų aiškinimas yra būtinas.

Iš mūsų patirtimi, mes matome, kad faktorinės analizės metodai, naudojant pakankamai daug stebėjimų. Ši suma turi būti dydžio, didesnės nei nustatytas veiksnių tvarka.

Pagrindinis komponentas yra labai populiarus marketingo tyrimo, nes ji gali būti naudojama multicollinearity pirminių duomenų buvimą. Atsižvelgiant į rinkos tyrimo anketų procese yra panašios klausimus ir atsakymus į juos ir atitikti multicollinearity principais.

Pagrindinis komponentas yra patartina apsvarstyti rodiklių, kurie turi būti už mokslo vadovauti išankstinį pasirinkimą komponentų ar veiksnių rinkinį. Svarbiausias iš jų yra iš reiškiant sklaidos kintamųjų lygį galima paaiškinti šio veiksnio tikrinės reikšmės. Yra vienas svarbus nykščio taisykle, kuri yra labai naudinga įvertinant veiksnius (veiksnių turėtų būti tol, kol reikšmių daugiau nei vieną). Ši taisyklė gali paaiškinti šiek tiek lengviau - Nuosavi išreikšti dalį normalizuotų dispersijų kintamųjų, kurie paaiškina veiksniai, ir tuo atveju, kaip savo įrenginį jie turėtų reikšti tas dispersijos, kurių sudėtyje yra daugiau kaip vieną kintamąjį.

Būtina dar kartą, kad "atskirų reikšmių" taisyklė paaiškinti - empirinių, ir jos naudojimo poreikį galima nustatyti tik tyrėjas. Pavyzdžiui, savo reikšmę turi vertę mažiau nei vienybės, tačiau tai yra dėl to, plitimo, paskirstytų tarp kintamųjų. Specialistai rinkodaros srityje yra labai svarbu, kad segmentavimo identifikuoti veiksniai buvo didelis jausmas. Ir tie veiksniai, kurių sudėtyje yra pačių skaičių daugiau nei vienas, bet neturite prasmingą interpretaciją, jie nėra atsižvelgta. Ir tai gali būti situacija visiškai priešinga.

Kitas svarbus klausimas dėl praktinių taikyti faktorinę analizę metodai - pasukimo klausimą. Jis gali būti laikomas tokios galimybės rotaciją. Populiariausias iš jų - Varimax metodas. Jis grindžiamas didžiausiu dispersijos kintamųjų lygiu kiekvieno veiksnio. Šis metodas padeda rasti rotacija, kurioje kai kurie kintamieji yra aukštos vertės, o kiti - pakankamai mažas, kad kiekvieno atskiro veiksnio.

Kitas sukimosi metodas - kvartimaks, ji padeda rasti tam tikrą sukimosi, kuriame už kiekvieno kintamojo veiksniai turėjo tiek mažai ir didelės apkrovos.

ekvimaks sukimosi metodas yra tarp dviejų metodų aptarta anksčiau kompromisas.

Visi šie metodai yra statmenos su tarpusavyje statmenų ašių, ne jų naudojimas gali būti atsekti, nėra koreliacijos tarp atskirų veiksnių.