Galvenā sastāvdaļa

Galvenais komponents ir balstīts uz mēģina izskaidrot maksimālo līmeni novirzi noteiktā kopumu mainīgo, un orientēta uz elementu korelācijas matricā diagonāli. Ir vēl viena metode, kas balstīta uz faktoru analīzi, kuras mērķis ir tuvināt korelācijas matricu, izmantojot noteiktu skaitu faktoru (mazāk nekā iepriekš noteiktu skaitu mainīgo) īstenošanai, bet metodes tuvināšanu ievērojami atšķiras no pirmās ierosinātās metodes.

Tādējādi metode faktoru analīzi, var izskaidrot saistību starp pašiem, un orientēti uz elementiem korelācijas matricas veida ārpus viņu diagonāli mainīgajiem.

Pamatojoties uz praktisku izmantošanu, mēģiniet izprast nepieciešamību piemērot īpašu metodi. Faktoru analīze tiek izmantota, ja ir interese, lai zinātnieki, kas pēta attiecības starp mainīgajiem, galvenā sastāvdaļa analīze tiek izmantota, kad nepieciešams, lai samazinātu datu dimensiju, un mazākā mērā to interpretācija ir nepieciešama.

No mūsu pieredzes, mēs varam redzēt, ka metodes, faktoru analīze, izmantojot pietiekami lielu skaitu novērojumu. Šī summa būtu par kārtu augstākas nekā konstatēti vairāki faktori.

Galvenais komponents ir ļoti populārs mārketinga pētījumiem, jo to var izmantot klātbūtnē multikolinearitāte avota datiem. Šajā procesā tirgus izpētes anketas ir līdzīgi jautājumi, un atbildes uz tiem, un tas atbilst principiem multikolinearitāte.

Galvenā sastāvdaļa ir ieteicams apsvērt rādītāju kopumu, kas ir jābūt pētniekam vadītu iepriekšēju izvēli sastāvdaļu vai faktoriem. Svarīgākais no tiem ir īpašvērtības izsakot līmeni dispersijas mainīgajiem ir skaidrojams ar šo faktoru. Ir viens svarīgs noteikums īkšķis, kas ir ļoti noderīgi, lai novērtētu vairākus faktorus (faktoriem vajadzētu būt tik ilgi, kamēr īpašvērtības vairāk nekā vienu). Šis noteikums var izskaidrot mazliet vieglāk - īpašvērtības izteikt daļu normalizētu dispersijas faktoriem, kas izskaidro faktorus, un gadījumā, kas pārsniedz savu vienību tām vajadzētu paust šos dispersijas satur vairāk nekā vienu mainīgo.

Tas ir nepieciešams, lai vēlreiz, ka noteikums par "individuālo īpašvērtību" precizē - empīrisko un nepieciešamību tās izmantošanu var noteikt tikai pētniekam. Piemēram, īpašvērtību ir vērtība ir mazāka par vienību, bet tas ir saistīts ar izplatību, sadalīts starp mainīgajiem. Viens kvalificēti mārketinga jomā, ir ļoti svarīgi, ka segmentācijas identificēti faktori bija ievērojams sajūtu. Un šie faktori, kas satur eigenvalues vairāk nekā vienu, bet nav jēgpilnu interpretāciju, tie netiek ņemti vērā. Un tas var būt situācija gluži pretēji.

Vēl viens svarīgs jautājums, kas attiecas uz praktisko piemērošanu metodēm faktoru analīzes - jautājums par rotāciju. To var uzskatīt par šādas iespējas rotāciju. Populārākais no tiem - Varimax metode. Tā ir balstīta uz maksimālo līmeni dispersijas mainīgo par katra atsevišķā faktora. Šī metode palīdz atrast rotāciju, kurā daži mainīgie ir lielas vērtības, bet citi - ir pietiekami zema, lai katra atsevišķā faktora.

Vēl rotācijas metode - kvartimaks, tas palīdz atrast noteiktu rotāciju, kurā faktorus katram atsevišķam mainīgajam būtu gan zemas un augstas slodzes.

ekvimaks rotācija metode ir kompromiss starp abām metodēm minēts iepriekš.

Visas šīs metodes ir perpendikulāras viena ar savstarpēji perpendikulārām asīm, pie to izmantošana var izsekot nekādu korelāciju starp atsevišķiem faktoriem.