Galveno komponentu metode

Bizness

Galveno komponentu metode ir balstīta uz mēģinājumiemizskaidrojiet maksimālo dispersijas līmeni noteiktā mainīgo lielumā un koncentrējoties uz elementiem, kas atrodas korelācijas matricā pa diagonāli. Pastāv vēl viena metode, kas pamatojas uz faktoru analīzi, kuras mērķis ir korelācijas matrices tuvināšana, izmantojot noteiktu faktoru skaitu (mazāk nekā noteikts mainīgo lielumu skaits), taču tuvināšanas metodes ievērojami atšķiras no pirmās piedāvātās metodes.

Tātad, faktoru analīzes metode ļauj mums izskaidrot korelāciju starp pašiem mainīgajiem un orientēties uz korelācijas matricas elementiem, kas atrodas ārpus tās diagonāles.

Pamatojoties uz praktisku pielietojumu, mēs centīsimieslai saprastu nepieciešamību piemērot šo vai šo metodi. Faktoru analīzi izmanto, ja pētnieka interesēs ir mainīgo lielumu attiecību izpēte, tad tiek izmantota galveno komponentu metode, ja nepieciešams samazināt datu izmēru, un mazākā mērā to nepieciešams interpretēt.

Pamatojoties uz praksi, mēs varam redzēt šīs metodesFaktoru analīze izmanto diezgan lielu skaitu novērojumu. Tajā pašā laikā šim daudzumam jābūt lielākam par konstatēto faktoru skaitu.

Galveno komponentu metode ir ļoti populāramārketinga pētījumi, 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.

Ir lietderīgi izmantot galveno komponentu metodiuzskatīja kopīgi rādītāji, kas būtu, lai vadītu pētnieku pagaidu izvēloties vairākas sastāvdaļas vai faktoriem. Vissvarīgākie no tiem ir patiesās vērtības, kas izpaužas mainīgo mainīgumu, kas izskaidrojams 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.

Vēlreiz jāpaskaidro šis noteikums"Individuālās īstās vērtības" ir empīrisks, un jautājums par tās piemērošanas nepieciešamību var tikt atrisināts tikai pats pētnieks. Piemēram, patiesā vērtība ir vērtība mazāka par vienu, bet tas izskaidro izplatību, kas tiek sadalīta starp mainīgajiem lielumiem. Mārketinga speciālistam ir ļoti svarīgi, lai identificēto faktoru segmentēšanai būtu nozīmīga nozīme. Un šie faktori, kas satur savus skaitļus virs vienotības, bet nav jēgpilnas interpretācijas, netiks ņemti vērā. Un situācija var rasties gluži pretēji.

Vēl viens svarīgs jautājums ir saistīts ar praktiskofaktoranalīzes metožu pielietošana - rotācijas jautājums. Var apsvērt tādus rotācijas variantus. Vispopulārākais no tiem ir varimaksa metode. Tas ir balstīts uz katra atsevišķa faktora maksimālo mainīgo mainīgo lielumu sasniegšanu. Šī metode palīdz atrast rotāciju, kurā daži mainīgie ņem augstu vērtību, bet citi - katram atsevišķam faktoram ir pietiekami zems.

Vēl viena rotācijas metode ir quartax, tas palīdz atrast konkrētu pagriezienu, kurā faktoriem katram atsevišķajam mainīgajam ir gan zemas, gan augstas slodzes.

Equimax rotācijas metode ir kompromiss starp abām iepriekš aprakstītajām metodēm.

Visas šīs metodes ir ortogonālas ar abpusēji perpendikulārām asīm, ja to izmanto, trūkst korelācijas starp atsevišķiem faktoriem.

</ p>
Komentāri (0)
Pievienot komentāru