Ძირითადი კომპონენტი

ძირითადი კომპონენტი ეფუძნება ცდილობს ახსნას მაქსიმალური ეწინააღმდეგება გარკვეული კომპლექტი ცვლადები და ორიენტირებული ელემენტების კორელაცია matrix დიაგონალური. არსებობს კიდევ ერთი მეთოდი, რომელიც ეფუძნება ფაქტორული ანალიზი, მიმართულია დაახლოების კორელაცია matrix გამოყენებით გარკვეული რიგი ფაქტორების (არანაკლებ წინასწარ რაოდენობის ცვლადები), მაგრამ მეთოდები დაახლოების მნიშვნელოვნად განსხვავდება პირველი შემოთავაზებული მეთოდი.

ამდენად, მეთოდი ფაქტორის ანალიზი შეუძლია ახსნას კორელაცია ცვლადები თავს, და ორიენტირებული ელემენტების კორელაცია matrix ტიპის გარეთ მისი დიაგონალზე.

დაყრდნობით პრაქტიკული გამოყენება, ცდილობენ ესმით აუცილებლობას გამოყენების კონკრეტული მეთოდი. Factor ანალიზი გამოიყენება, როდესაც არსებობს ინტერესი მკვლევართა შესწავლის შორის ურთიერთობა ცვლადები, ძირითადი კომპონენტის ანალიზი გამოიყენება, როდესაც უნდა შეამციროს მონაცემების განზომილება, და ნაკლებად მათი ინტერპრეტაცია არის საჭირო.

ჩვენი გამოცდილება, ჩვენ ვხედავთ, რომ მეთოდები ფაქტორი ანალიზი გამოყენებით საკმაოდ დიდი რაოდენობის დაკვირვებები. ეს თანხა უნდა იყოს ბრძანებით მასშტაბები უფრო მაღალია, ვიდრე ნომერი განსაზღვრული ფაქტორები.

ძირითადი კომპონენტი არის ძალიან პოპულარული მარკეტინგული კვლევა, რადგან ის შეიძლება გამოყენებულ იქნას თანდასწრებით multicollinearity მონაცემთა წყაროს. პროცესში ბაზრის კვლევის კითხვარი შეიცავდეს მსგავსი კითხვები და პასუხები და შეესაბამება პრინციპებს multicollinearity.

ძირითადი კომპონენტი არის მიზანშეწონილი განიხილოს ინდიკატორების, რომ უნდა იყოს, რომ მკვლევარის უხელმძღვანელებს წინასწარი შერჩევის კომპონენტები და ფაქტორები. ყველაზე მნიშვნელოვანი ეს არის eigenvalues გამოხატავს დონეზე დისპერსიული ცვლადების აიხსნება ეს ფაქტორი. არის კიდევ ერთი მნიშვნელოვანი წესი thumb, რომელიც ძალიან სასარგებლოა შეფასებისას რიგი ფაქტორების (ფაქტორები უნდა იყოს, რადგან არ საკუთრივი ერთზე მეტი). ეს წესი შეიძლება ახსნას ცოტა უფრო ადვილია - eigenvalues გამოხატოს წილი ნორმალიზება მკვეთრი ცვლადები, რომელიც განმარტავს, ფაქტორები, და ამ შემთხვევაში აღემატება მისი ერთეული მათ უნდა გამოხატოს იმ დისპერსიები ზე მეტი ერთი ცვლადი.

აუცილებელია განვმარტო, კიდევ ერთხელ, რომ წესით "ინდივიდუალური eigenvalues" - ემპირიული და საჭიროება მისი გამოყენება შეიძლება მხოლოდ განისაზღვრება მკვლევარი. მაგალითად, eigenvalue აქვს მნიშვნელობა ნაკლები ერთიანობა, მაგრამ იმის გამო, რომ გავრცელებული, ნაწილდება ცვლადები. ერთ-ერთი ყველაზე გამოცდილი მარკეტინგის სფეროში ძალიან მნიშვნელოვანია, რომ სეგმენტაციის განსაზღვრული ფაქტორი იყო არსებითი აზრი. და იმ ფაქტორების შემცველი eigenvalues ერთზე მეტი, მაგრამ არ აქვს ინტერპრეტაციას, ისინი არ გაითვალისწინეს. და ეს შეიძლება იყოს სიტუაცია, პირიქით.

კიდევ ერთი მნიშვნელოვანი საკითხი, რომელიც შეეხება პრაქტიკული გამოყენების მეთოდები ფაქტორი ანალიზი - საკითხი როტაცია. ეს შეიძლება ჩაითვალოს ასეთი ვარიანტი როტაცია. ყველაზე პოპულარული მათგანი - varimax მეთოდი. იგი ეფუძნება მაქსიმალური დისპერსიული ცვლადები თითოეული ფაქტორი. ეს მეთოდი ხელს უწყობს მოვძებნოთ როტაცია, რომელშიც რამდენიმე ცვლადი მაღალი ღირებულებების, ზოგი - დაბალი საკმარისი თითოეული ფაქტორი.

კიდევ ერთი მეთოდი როტაცია - kvartimaks, ის ეხმარება, რათა იპოვოს გარკვეული როტაცია, რომელშიც ფაქტორები თითოეული ცვლადი აქვს ორივე დაბალი და მაღალი დატვირთვები.

ekvimaks როტაციის მეთოდი შორის კომპრომისის ორი მეთოდები ზემოთ განხილული.

ყველა ამ მეთოდების ორთოგონალური ერთად ორმხრივად მართობს ცულები, მათი გამოყენება შეიძლება traced კორელაცია ინდივიდუალური ფაქტორები.