주성분의 방법

주요 구성 요소의 방법은 시도를 기반으로합니다.특정 변수 집합에서 최대 분산 수준을 설명하고 대각선을 따라 상관 행렬에있는 요소에 중점을 둡니다. 특정 인자의 수 (주어진 수의 변수보다 작음)를 사용하여 상관 행렬을 근사화하는 것을 목적으로하는 요인 분석을 기반으로 한 또 다른 방법이 있지만 근사 방법은 첫 번째 제안 된 방법과 크게 다릅니다.

따라서 요인 분석 방법을 사용하면 변수 자체 간의 상관 관계를 설명 할 수 있으며 대각선 외부에있는 상관 행렬 요소에 초점을 맞 춥니 다.

실용적인 응용 프로그램을 바탕으로이 방법이나 그 방법을 적용 할 필요성을 이해해야합니다. 요인 분석은 연구자가 변수 간의 관계를 연구하는 데 관심이있을 때 사용되며, 주요 구성 요소의 방법은 데이터의 차원을 줄여야 할 필요가있는 경우에 사용되며, 어느 정도까지는 해석이 필요합니다.

연습을 바탕으로, 우리는 그 방법을 볼 수 있습니다요인 분석은 상당히 많은 수의 관측치를 사용합니다. 동시에이 양은 탐지 된 요인의 수보다 큰 순서로 높아야합니다.

주요 구성 요소의 방법은 매우 인기가 있습니다마케팅 연구에서는 멀티 라인 선형 데이터가있을 때 사용할 수 있기 때문에 그러한 마케팅 연구 과정에서 설문지에는 유사한 질문이 포함되어 있으며 수신 된 답변은 다중 공선 성의 원칙에 부합합니다.

주요 구성 요소의 방법은 편리하다.연구자가 구성 요소 또는 요소의 수를 예비 선택하여 기준점이되어야하는 지표의 집합을 고려하십시오. 이것들 중 가장 중요한 것은이 요소에 의해 설명되는 변수의 분산을 표현하는 고유치입니다. 또한 하나의 중요한 경험적 규칙이 있습니다. 이는 요인의 수를 추정하는 데 매우 유용합니다 (하나 이상의 고유치만큼 많은 요소가 있어야합니다). 이 규칙을 다소 단순한 방식으로 설명하는 것이 가능합니다. 고유 값은 요인에 의해 설명되는 변수의 정규화 된 분산의 비율을 표현하며 하나를 초과하는 경우 둘 이상의 변수에 포함 된 이러한 분산을 표현해야합니다.

그 규칙을 다시 한번 분명히하는 것이 필요하다."개별 고유"- 경험, 그리고 그것의 사용에 대한 필요성은 연구자에 의해 결정될 수있다. 예를 들어, 고유 값이 1보다 작은 값을 갖지만, 그 변수에 분배 확산에 기인한다. 마케팅 분야에서 통상의 지식을 가진 하나는 분할 확인 된 요인은 상당한 의미가 있다고 매우 중요합니다. 그리고 그 요인들이 고려되지 않습니다, 하나 이상의의 고유 값을 포함하지만, 의미있는 해석이 없습니다. 그리고 그것은 상황을 정반대 일 수있다.

실용과 관련된 또 다른 중요한 문제요인 분석 방법의 적용 - 회전의 문제. 이러한 회전 변형이 고려 될 수 있습니다. 이것들의 가장 인기있는 것은 varimax 방법입니다. 이는 각 개별 요인에 대한 변수의 최대 분산 수준 달성에 기반합니다. 이 방법을 사용하면 일부 변수가 높은 값을 갖는 순환 게재를 찾을 수 있지만 나머지는 각 개별 요인에 대해 충분히 낮습니다.

회전의 또 다른 방법은 quartax입니다. 각 변수에 대한 요인들이 저 부하와 고 부하를 모두 가지고있는 특정 턴을 찾는 데 도움이됩니다.

등가물 회전의 방법은 위에 논의 된 두 가지 방법 사이의 일부 절충안입니다.

이 모든 방법은 서로 수직 인 축에 대해 직각과 관련이 있으며 사용되는 경우 개별 요소간에 상관 관계가 없습니다.