Metod för huvudkomponenter
Metoden för huvudkomponenterna är baserad på försökförklara maximivärdet för varians i en viss uppsättning variabler och fokusera på elementen som finns i korrelationsmatrisen längs diagonalen. Det finns en annan metod baserad på faktoranalys som syftar till att approximera korrelationsmatrisen med ett visst antal faktorer (mindre än ett givet antal variabler), men metoderna för approximering skiljer sig väsentligt från den första föreslagna metoden.
Således tillåter metoden för faktoranalys oss att förklara korrelationen mellan variablerna själva och är inriktad på elementen i en korrelationsmatris som ligger utanför dess diagonala.
Baserat på praktisk tillämpning kommer vi att försökaför att förstå behovet av att tillämpa denna eller den här metoden. Faktoranalys används när det finns intresse för forskare som studerar sambandet mellan variablerna är huvud analys komponent som används när behovet av att minska data dimension, och i mindre utsträckning deras tolkning krävs.
Baserat på övning kan vi se de metodernaFaktoranalys använder ett ganska stort antal observationer. Samtidigt bör denna mängd vara högre med en storleksordning än antalet detekterade faktorer.
Metoden för huvudkomponenterna är väldigt populäri marknadsföringsforskning, eftersom den kan användas i närvaro av multikollinära initialdata. I samband med sådan marknadsundersökning innehåller frågeformulären liknande frågor, och de mottagna svaren kommer att överensstämma med principerna för multicollinearity.
Metoden för huvudkomponenterna är lämpligöverväga sammanlagt indikatorer, vilket bör vara forskaren en referenspunkt med ett preliminärt val av antal komponenter eller faktorer. De viktigaste av dessa är egenvärdena, som uttrycker variablerna av variablerna, förklaras av denna faktor. Det finns också en viktig empirisk regel, som är mycket användbar för att uppskatta antalet faktorer (det måste finnas så många faktorer som det finns egna värden över ett). Det är möjligt att förklara denna regel på ett något enklare sätt - egenvärdena uttrycker fraktionen av de normaliserade variationerna av variabler som förklaras av faktorn, och i fallet med att överskrida en måste de uttrycka dessa variationer som finns i mer än en variabel.
Det är nödvändigt att förtydliga den här regeln igen"Individuella egenvärden" - empiriska, och behovet av dess användning kan endast fastställas av forskaren. Till exempel har en egenvärdering ett värde mindre än en, men det förklarar spridningen som fördelas mellan variablerna. För en specialist inom marknadsföring är det mycket viktigt att när segmentering av de identifierade faktorerna har en meningsfull mening. Och de faktorer som innehåller sina egna siffror över enighet, men inte har en meningsfull tolkning, kommer inte att beaktas. Och situationen kan uppstå ganska motsatt.
En annan viktig fråga relaterade till det praktiskatillämpningen av metoder för faktoranalys - frågan om rotation. Sådana varianter av rotation kan övervägas. Den mest populära av dessa är varimaxmetoden. Den baseras på uppnådden av variabelvariationen för varje enskild faktor. Denna metod hjälper till att hitta en rotation där vissa variabler tar höga värden medan andra - är tillräckligt låga för varje enskild faktor.
En annan rotationsmetod är kvaxax, det hjälper till att hitta en viss tur i vilka faktorer för varje enskild variabel har både låga och höga belastningar.
Rotationsmetoden för equimax är en viss kompromiss mellan de två metoder som diskuterats ovan.
Alla dessa metoder avser ortogonala med ömsesidigt vinkelräta axlar, när det används är det en brist på korrelation mellan enskilda faktorer.
