Hovedkomponenten

Hovedbestanddelen er basert på forsøk på å forklare den maksimale nivået av variansen i et bestemt sett av variabler, og orientert på elementer i den korrelasjonsmatrisen diagonal. Det er en annen metode, på grunnlag av faktoranalyse, med sikte på å gjennomføre tilnærmelse av korrelasjonsmatrise ved å bruke et visst antall faktorer (mindre enn det forutbestemte antall variable), men ved de fremgangsmåter tilnærmelse sterkt forskjellig fra den første foreslåtte fremgangsmåte.

Således kan fremgangsmåten ifølge faktoranalyse forklare sammenhengen mellom variablene selv, og orientert på disse deler av korrelasjonsmatrisen typen utenfor sitt diagonalt.

Basert på praktisk bruk, prøv å forstå nødvendigheten av anvendelsen av en bestemt metode. Faktoranalyse brukes når det er interesse for forskere studere forholdet mellom variablene, benyttes hovedkomponentanalyse når behovet for å redusere den data dimensjon, og i mindre grad deres tolkning er nødvendig.

Fra vår erfaring, kan vi se at metodene for faktoranalyse ved hjelp av et tilstrekkelig stort antall observasjoner. Denne mengde bør være en størrelsesorden høyere enn det antall identifiserte faktorer.

Den viktigste komponenten er svært populært i markedsføring forskning, så det kan brukes i nærvær av Multikolineæritet kildedataene. I prosessen med markedsundersøkelser spørre inneholde lignende spørsmål, og svarene på dem og vil overholde prinsippene om Multikolineæritet.

Den viktigste komponenten er tilrådelig å vurdere et sett med indikatorer som må være for forskeren lede den forhånds valg av komponenter eller faktorer. Den viktigste av disse er egenverdiene til å uttrykke graden av dispersjon av variablene er forklart av denne faktor. Det er en viktig tommelfingerregel, noe som er svært nyttig for å estimere antall faktorer (faktorene bør være så lang som det egenverdier flere enn ett). Denne regelen kan forklare litt enklere - egenverdiene uttrykker andel av normavvik av variabler som forklarer de faktorene, og i tilfelle overstiger sin enhet de skal uttrykke disse dispersjoner som inneholder mer enn én variabel.

Det er nødvendig å klargjøre en gang at regelen om "individuelle egenverdier" - empiriske, og behovet for bruken kan bare bestemmes av forskeren. For eksempel har egenverdien en verdi som er mindre enn enhet, men det er på grunn av spredning, fordelt mellom variablene. En fagmann innen markedsføring er svært viktig at segmentering identifiserte faktorene var betydelig forstand. Og disse faktorene, som inneholder egenverdiene på mer enn én, men ikke har en meningsfull tolkning, de blir ikke tatt hensyn til. Og det kan være en situasjon helt motsatt.

En annen viktig sak om den praktiske anvendelse av fremgangsmåtene ifølge faktoranalyse - spørsmålet om rotasjonen. Det kan betraktes som slike alternativer rotasjoner. Den mest populære av dem - VariMAX metode. Den er basert på det maksimale nivået av spredning av variabler på hver enkelt faktor. Denne metoden bidrar til å finne en rotasjon, hvor noen variabler er høye verdier, mens andre - lave nok til hver enkelt faktor.

En annen metode for rotasjon - kvartimaks, hjelper det å finne en viss rotasjon, hvor faktorene for hver individuell variabel for å ha både lave og høye belastninger.

ekvimaks rotasjon metode er et kompromiss mellom de to metodene diskutert ovenfor.

Alle disse metodene er ortogonale med innbyrdes vinkelrette akser, ved deres anvendelse kan spores noen korrelasjon mellom de enkelte faktorer.