O compoñente principal

O principal compoñente baseado no intento de explicar o nivel máximo de varianza dun determinado conxunto de variables, e orientada elementos na matriz de correlación diagonal. Hai outro método, baseado na análise factorial, destinado a aplicar a aproximación da matriz de correlación utilizando un certo número de factores (menos que o número predeterminado de variables) pero polos métodos aproximación moi diferente do primeiro método proposto.

Así, o método de análise factorial pode explicar a correlación entre os mesmos, e orientadas sobre os elementos do tipo de matriz de correlación fóra da súa diagonal variables.

Con base no uso práctico, proba entender a necesidade de aplicación dun método particular. análise factorial utilízase cando hai un interese para os investigadores que estudan a relación entre as variables, a análise de compoñente principal é utilizado cando a necesidade de reducir a dimensión de datos, e en menor extensión é necesaria a súa interpretación.

Pola nosa experiencia, podemos ver que os métodos de análise factorial utilizando un número suficientemente grande de observacións. Este importe debe ser unha orde de magnitude maior que o número de factores identificados.

O principal compoñente é moi popular na investigación de marketing, como pode ser usado en presenza de datos de orixe multicolinearidade. No proceso de cuestionarios de investigación de mercado conteñen preguntas semellantes, e as respostas a elas e cumprirá cos principios da multicolinearidade.

O principal compoñente é aconsellable considerar un conxunto de indicadores que deben ser para o investigador orientar a pre-selección de compoñentes ou factores. O máis importante destes son os valores propios de expresar o nivel de dispersión das variables son explicados por este factor. Hai unha importante regra de ouro, que é moi útil para estimar o número de factores (factores debe ser tan longo como hai valores propios máis de un). Esta regra pode explicar un pouco máis fácil - os valores propios expresar Compartir de variâncias normalizadas de variables que explica os factores e, en caso de superar a súa unidade deben expresar esas dispersións conteñen máis dunha variable.

Cómpre aclarar unha vez que a regra de "valores propios individuais" - empíricos, ea necesidade do seu uso só pode ser determinada polo investigador. Por exemplo, o valor propio ten un valor menor que a unidade, pero é debido á propagación, distribuídos entre as variables. Un especialista na área de marketing é moi importante que os factores de segmentación identificados foron sentido substancial. E estes factores, que contén os valores propios de máis dun, pero non ten unha interpretación significativa, non son tidos en conta. E iso pode ser unha situación moi pola contra.

Outra cuestión importante sobre a aplicación práctica dos métodos de análise de factores - a cuestión da rotación. Pódese considerar tales opcións rotacións. O máis popular deles - método varimax. El baséase no nivel de dispersión de variables en cada un dos factores individuais. Este método axuda para atopar un xiro, no que algunhas variables son valores elevados, mentres que outros - moi baixas para cada factor individual.

Outro método de rotación - kvartimaks, el axuda a atopar unha certa rotación, en que os factores para cada variable de individuo para ter cargas altas e baixas.

ekvimaks método de rotación é un compromiso entre os dous modos discutidos anterior.

Todos estes métodos son ortogonais con eixes perpendiculares entre si, na súa utilización pode ser Rastrexar ningunha correlación entre os factores individuais.