A főkomponens

A főkomponens alapul próbálta elmagyarázni a maximális szórás bizonyos változókat, és orientált elemek a korrelációs mátrix átlós. Van egy másik módszer, faktoranalízisen alapuló, végrehajtását célzó közelítése a korrelációs mátrix segítségével egy bizonyos számú tényezők (kevesebb, mint az előre meghatározott változók száma), de a módszerek közelítés nagyban különbözik az első javasolt módszer.

Így az eljárás a faktor analízis tudja magyarázni a összefüggés a változók maguk, és orientált az elemek a korrelációs mátrix típusú kívül vele átlósan.

Ennek alapján a gyakorlati használat, próbálja megérteni, hogy szükség alkalmazásának különös módon. A faktoranalízis használják, ha van érdeklődés a tanulmányozó kutatók kapcsolat a változók között, a főkomponens analízist használunk, ha annak szükségességét, hogy csökkentsék a adatdimenzió, és kisebb mértékben azok értelmezésére van szükség.

Tapasztalataink azt látjuk, hogy a módszerek faktor analízis segítségével egy kellően nagy számú megfigyelést. Ezt az összeget kell egy nagyságrenddel nagyobb, mint a több azonosított tényezők.

A főkomponens nagyon népszerű a marketing kutatás, mivel lehet használni a multikollinearitás forrás adatokat. A folyamat során a piackutató kérdőívek tartalmaztak hasonló kérdéseket, és a választ, és meg fog felelni az elveknek a multikollinearitás.

A főkomponens tanácsos fontolóra egy sor mutató, hogy kell, hogy legyen a kutató irányítja az előválogató alkatrészek vagy tényezők. A legfontosabb ezek közül a sajátértékei kifejező mértékű szóródást a változók magyarázzák ezt a tényezőt. Van egy fontos szabály, ami nagyon hasznos becslésére számos tényező (tényezőket kell figyelembe venni, amíg van sajátértékek egynél több). Ez a szabály lehet magyarázni egy kicsit könnyebb - sajátértékei kifejezni részesedése normalizált eltérések változók magyarázza a tényezők, valamint túllépése esetén az egység fejezzék azokat tartalmazó diszperziók egynél több változót.

Szükséges tisztázni egyszer, hogy a szabály az „egyéni sajátértékek” - empirikus, valamint annak szükségességét, annak használatát csak akkor lehet meghatározni a kutató. Például a sajátérték értéke kisebb, mint az egység, de ez annak köszönhető, hogy a spread, elosztott a változók között. Aki járatos a marketing területén nagyon fontos, hogy a szegmentálás azonosított tényezők jelentős volt értelme. És ezek a tényezők, amelyek a sajátértékei több mint egy, de nincs egy értelmes értelmezés nem veszik figyelembe. És ez lehet a helyzet, éppen ellenkezőleg.

Egy másik fontos kérdés vonatkozó gyakorlati módszerek alkalmazása a faktor analízis - a kérdés a forgatást. Figyelembe lehet venni az ilyen lehetőségek forgatások. A legnépszerűbb közülük - varimax módszer. Ez alapján a maximális diszperziós változók minden egyes tényező. Ez a módszer segít megtalálni a forgatás, amelyben néhány változót magas értékeket, míg mások - elég alacsony ahhoz, hogy minden egyes tényező.

Egy másik módszer a forgatás - kvartimaks, segít megtalálni egy bizonyos forgatás, ahol a tényezők minden egyes változót, melyek mind alacsony, mind magas terhelés.

ekvimaks rotációs módszer kompromisszum a két módszer között a fentiekben tárgyaltuk.

Ezen módszerek mindegyike ortogonális egymásra merőleges tengely, saját felhasználásra vezethető nincs összefüggés az egyes tényezők közötti.