Den vigtigste komponent

Hovedkomponenten er baseret på at forsøge at forklare det maksimale niveau af varians i et bestemt sæt af variabler, og orienteret på elementer i korrelationsmatrixen diagonal. Der er en anden metode, baseret på faktor analyse, til formål at gennemføre tilnærmelse af korrelationsmatrixen under anvendelse af en række faktorer (mindre end den forudbestemte antal variabler), men ved fremgangsmåderne tilnærme spænder afviger fra den første foreslåede metode.

Således kan fremgangsmåden ifølge faktoranalyse forklare korrelationen mellem variablerne selv, og orienteret om elementerne i korrelationsmatrixen typen uden hende diagonalt.

Baseret på praktisk anvendelse, forsøge at forstå nødvendigheden af anvendelse af en særlig fremgangsmåde. Faktor analyse anvendes, når der er interesse for forskere studerer forholdet mellem variablerne, er den vigtigste komponent analyse anvendes, når der er behov for at reducere data dimension, og i mindre grad deres fortolkning er påkrævet.

Fra vores erfaring, kan vi se, at de benyttede faktor analyse ved hjælp af et tilstrækkeligt stort antal observationer. Dette beløb skal være en størrelsesorden højere end antallet af identificerede faktorer.

Den vigtigste komponent er meget populær i markedsføring forskning, da det kan bruges ved tilstedeværelse af multikollinaritet kildedata. I processen med markedsundersøgelser spørgeskemaer indeholder lignende spørgsmål, og svarene på dem og vil overholde principperne for multikollinearitet.

Den vigtigste komponent er tilrådeligt at overveje et sæt indikatorer, der skal være til forskeren guide den første udvælgelse af komponenter eller faktorer. De vigtigste af disse er egenværdierne udtrykke graden af dispersion af variablerne er forklaret med denne faktor. Der er en vigtig tommelfingerregel, som er meget nyttig til at estimere antallet af faktorer (faktorer skal være så længe der egenværdier mere end én). Denne regel kan forklare en lille smule lettere - egenværdierne udtrykker andel af normaliserede variansen på variabler, der forklarer de faktorer, og i tilfælde af overskridelse sin enhed de skal udtrykke disse dispersioner, der indeholder mere end én variabel.

Det er nødvendigt at præcisere, endnu engang, at reglen om "individuelle egenværdier" - empiriske og behovet for dens anvendelse kun kan bestemmes af forskeren. For eksempel egenværdien har en værdi mindre end enhed, men det er på grund af spredningen, fordelt mellem variablerne. En fagmand inden for området for markedsføring er meget vigtigt, at segmentering identificerede faktorer var væsentlig forstand. Og disse faktorer, som indeholder egenværdierne af mere end én, men ikke har en meningsfuld fortolkning, de er ikke taget i betragtning. Og det kan være en situation, tværtimod.

Et andet vigtigt spørgsmål vedrørende den praktiske anvendelse af metoderne til faktor analyse - spørgsmålet om rotation. Det kan betragtes som sådanne muligheder rotationer. Den mest populære af dem - Varimax metode. Den er baseret på det maksimale niveau af dispersion af variabler på hver enkelt faktor. Denne metode hjælper med at finde en rotation, hvor nogle variabler er høje værdier, mens andre - lave nok til hver enkelt faktor.

En anden fremgangsmåde til rotation - kvartimaks, hjælper det at finde en vis rotation, hvor faktorerne for hver enkelt variabel at have både lave og høje belastninger.

ekvimaks rotation metode er et kompromis mellem de to metoder beskrevet ovenfor.

Alle disse metoder er ortogonale med hinanden vinkelrette akser, på deres anvendelse kan spores nogen sammenhæng mellem de enkelte faktorer.