Hoofdbestanddeel

Hoofdbestanddeel is gebaseerd op het zoeken naar de maximale variantie in een bepaalde reeks variabelen verklaren en gericht op elementen van de correlatie matrix diagonaal. Er is een andere methode, op basis van factoranalyse doel aan aanpassing van de correlatiematrix met behulp van een aantal factoren (minder dan het vooraf bepaalde aantal variabelen), maar door de onderlinge werkwijzen aanzienlijk verschilt van de eerste voorgestelde werkwijze.

Aldus kan de werkwijze van factoranalyse de correlatie tussen de variabelen zelf, en gericht op de elementen van de correlatie matrixtype buiten haar schuin leggen.

Op basis van praktisch gebruik, proberen om de noodzaak van de toepassing van een bepaalde methode te begrijpen. Factoranalyse wordt gebruikt wanneer er interesse voor onderzoekers bestuderen van verbanden tussen de variabelen wordt hoofdcomponent analyse gebruikt wanneer het nodig is de gegevens worden teruggebracht, en in mindere mate de interpretatie vereist.

Vanuit onze ervaring, kunnen we zien dat de methoden van factoranalyse met behulp van een voldoende groot aantal waarnemingen. Dit bedrag moet een orde van grootte hoger is dan het aantal geïdentificeerde factoren.

De belangrijkste component is erg populair in marketing onderzoek, als het kan worden gebruikt in de aanwezigheid van multicollineariteit brongegevens. In het proces van marktonderzoek vragenlijsten bevatten soortgelijke vragen en de antwoorden daarop en zal voldoen aan de beginselen van multicollineariteit.

Hoofdbestanddeel raadzaam om een reeks indicatoren die dienen voor de onderzoeker gids voorselectie van componenten of factoren. De belangrijkste daarvan zijn de eigenwaarden van de uiting van de mate van verspreiding van de variabelen worden verklaard door deze factor. Er is één belangrijke vuistregel, wat erg handig is voor het schatten van het aantal factoren (factoren moeten zolang er eigenwaarden meer dan één zijn). Deze regel kan een beetje makkelijker uit te leggen - de eigenwaarden uiten aandeel van de genormaliseerde afwijkingen van de variabelen die de factoren uitlegt, en in geval van overschrijding van de unit moeten ze die dispersies die meer dan één variabele uit te drukken.

Het is noodzakelijk om eens te meer dat de regel van de "individuele eigenwaarde" te verduidelijken - empirisch, en de noodzaak van het gebruik ervan kan alleen worden bepaald door de onderzoeker. Bijvoorbeeld, de eigenwaarde heeft een waarde kleiner dan één, maar het is het gevolg van de verspreiding, verdeeld tussen de variabelen. Een deskundige op het gebied van marketing is zeer belangrijk dat de segmentatie geïdentificeerde factoren waren substantiële zin. En die factoren, die de eigenwaarden van meer dan één, maar niet over een zinvolle interpretatie, zijn ze niet in aanmerking genomen. En het kan een situatie precies het tegenovergestelde zijn.

Een ander belangrijk punt met betrekking tot de praktische toepassing van de methoden van factoranalyse - de kwestie van de rotatie. Het kan worden beschouwd als dergelijke opties rotaties. De meest populaire van hen - varimax methode. Het is gebaseerd op de maximale dispersie van variabelen op elke afzonderlijke factor. Deze methode helpt om een rotatie, waarbij een aantal variabelen zijn hoge waarden te vinden, terwijl anderen - laag genoeg is om elke individuele factor.

Een andere werkwijze voor het roteren - kvartimaks, het helpt om een bepaalde verdraaiing, waarbij de factoren voor elk individueel variabele zowel lage als hoge belastingen moeten vinden.

ekvimaks rotatie methode is een compromis tussen beide bovenbesproken.

Al deze werkwijzen zijn orthogonaal met onderling loodrechte assen, op het gebruik ervan kan worden getraceerd geen correlatie tussen de individuele factoren.