Các thành phần chính

Thành phần chủ yếu dựa vào việc cố gắng giải thích mức tối đa của phương sai trong một tập hợp các biến, và định hướng đến các yếu tố trong ma trận tương quan chéo. Có một phương pháp khác, dựa trên phân tích nhân tố, nhằm thực hiện xấp xỉ của ma trận tương quan sử dụng một số lượng nhất định các yếu tố (ít hơn số lượng được xác định trước của các biến), nhưng bằng các phương pháp xấp xỉ rất khác với phương pháp đề xuất đầu tiên.

Như vậy, phương pháp phân tích nhân tố có thể giải thích mối tương quan giữa các biến bản thân, và định hướng trên các yếu tố của các loại ma trận tương quan bên ngoài của mình theo đường chéo.

Dựa trên thực tế sử dụng, cố gắng tìm hiểu sự cần thiết phải áp dụng một phương pháp cụ thể. phân tích nhân tố được sử dụng khi có sự quan tâm đến các nhà nghiên cứu nghiên cứu mối quan hệ giữa các biến, các phép phân tích thành phần chính được sử dụng khi cần thiết để giảm kích thước dữ liệu, và đến một mức độ thấp hơn giải thích của họ là bắt buộc.

Từ kinh nghiệm của chúng tôi, chúng tôi có thể thấy rằng các phương pháp phân tích nhân tố sử dụng một số đủ lớn các quan sát. Số tiền này phải là một thứ tự cường độ cao hơn so với số lượng các yếu tố xác định.

Các thành phần chính là rất phổ biến trong nghiên cứu thị trường, vì nó có thể được sử dụng trong sự hiện diện của nguồn dữ liệu đa cộng tuyến. Trong quá trình câu hỏi nghiên cứu thị trường chứa những câu hỏi tương tự, và câu trả lời cho họ và sẽ tuân thủ các nguyên tắc của đa cộng tuyến.

Thành phần chủ yếu là khuyến khích để xem xét một bộ chỉ số đó phải cho nhà nghiên cứu hướng dẫn trước khi lựa chọn các thành phần hoặc các yếu tố. Điều quan trọng nhất trong số này là các giá trị riêng thể hiện mức độ phân tán của các biến được giải thích bằng yếu tố này. Có một nguyên tắc quan trọng của ngón tay cái, mà là rất hữu ích cho việc ước tính số lượng các yếu tố (yếu tố nên càng lâu càng có giá trị riêng nhiều hơn một). Quy tắc này có thể giải thích một chút dễ dàng hơn - các giá trị riêng thể hiện phần của chênh lệch bình thường của các biến giải thích các yếu tố, và trong trường hợp vượt quá đơn vị của nó họ nên bày tỏ những phân tán chứa nhiều hơn một biến.

Nó là cần thiết để làm rõ một lần nữa rằng sự cai trị của "giá trị riêng cá nhân" - theo kinh nghiệm, và sự cần thiết của việc sử dụng nó chỉ có thể được xác định bởi các nhà nghiên cứu. Ví dụ, eigenvalue có giá trị nhỏ hơn đoàn kết, nhưng đó là do sự lây lan, phân phối giữa các biến. Một chuyên gia trong lĩnh vực tiếp thị là rất quan trọng là các yếu tố phân xác định là có ý nghĩa đáng kể. Và những yếu tố này, có chứa các giá trị riêng của nhiều hơn một, nhưng không có một sự giải thích ý nghĩa, họ không được đưa vào tính toán. Và nó có thể là một tình huống hoàn toàn ngược lại.

Một vấn đề quan trọng liên quan đến việc ứng dụng thực tế của các phương pháp phân tích nhân tố - những vấn đề luân chuyển. Nó có thể được xem xét tùy chọn như quay. Phổ biến nhất trong số họ - Phương pháp varimax. Nó được dựa trên mức tối đa của sự phân tán của các biến trên mỗi yếu tố cá nhân. Phương pháp này giúp để tìm một luân chuyển, trong đó một số biến là những giá trị cao, trong khi những người khác - đủ thấp để mỗi yếu tố cá nhân.

Một phương pháp luân chuyển - kvartimaks, nó giúp để tìm một vòng quay nhất định, trong đó các yếu tố cho mỗi biến cá nhân có tải cả thấp và cao.

ekvimaks phương pháp luân chuyển là một thỏa hiệp giữa hai phương pháp nêu trên.

Tất cả những phương pháp này trực giao với trục vuông góc nhau, ít sử dụng của họ có thể được truy có sự tương quan giữa các yếu tố cá nhân.