મુખ્ય ઘટક

મુખ્ય ઘટક વેરિયેબલ્સ ચોક્કસ સમૂહ અંતરના મહત્તમ સ્તર સ્પષ્ટતા કરવાના પ્રયાસ પર આધારિત છે, અને સહસંબંધ મેટ્રિક્સ કર્ણ તત્વો માટે અનુલક્ષી છે. બીજી પદ્ધતિ પરિબળ વિશ્લેષણ પરિબળો ચોક્કસ નંબર (વેરિયેબલ્સ પૂર્વનિર્ધારિત સંખ્યા કરતાં ઓછી) ની મદદથી સહસંબંધ મેટ્રિક્સ અંદાજ અમલીકરણ ધ્યાનમાં રાખીને પર આધારિત છે, ત્યાં હોય છે, પરંતુ રીત દ્વારા મોટા પ્રમાણમાં અંદાજ પ્રથમ સૂચિત પદ્ધતિ અલગ પડે છે.

આમ, પરિબળ વિશ્લેષણ પદ્ધતિ વેરિયેબલ્સ પોતાને અને ત્રાંસા તેના બહાર સહસંબંધ મેટ્રિક્સ પ્રકાર તત્વો પર આધારિત વચ્ચેના સહસંબંધને સમજાવે છે.

વ્યવહારુ ઉપયોગ પર આધાર રાખીને, એક ચોક્કસ પદ્ધતિ અરજી જરૂરી છે તે સમજવા માટે પ્રયાસ કરો. ફેક્ટર વિશ્લેષણ માટે વપરાય છે જ્યારે ત્યાં ચલો વચ્ચે સંબંધ અભ્યાસ સંશોધકો રસ છે, મુખ્ય ઘટક વિશ્લેષણ જ્યારે ડેટા પરિમાણ ઘટાડવા માટે જરૂર વપરાય છે, અને ઓછા કે વધતા અંશે તેમના અર્થઘટન માટે જરૂરી છે.

અમારા અનુભવ પ્રતિ, અમે તે પરિબળ વિશ્લેષણ પદ્ધતિઓ અવલોકનો એક પૂરતી મોટી સંખ્યામાં મદદથી જોઈ શકો છો. આ રકમ ની તીવ્રતાનો ઓળખી પરિબળો સંખ્યા કરતાં વધારે ઓર્ડર હોવું જોઈએ.

કારણ કે તે multicollinearity સ્રોત ડેટા હાજરીમાં ઉપયોગ કરી શકાય છે મુખ્ય ઘટક, માર્કેટિંગ સંશોધન ખૂબ જ લોકપ્રિય છે. બજાર સંશોધન પ્રશ્નાવલિઓ પ્રક્રિયા સમાન પ્રશ્નો, અને તેમને જવાબો ધરાવે છે અને multicollinearity સિદ્ધાંતો પાલન કરશે.

મુખ્ય ઘટક સૂચકો કે સંશોધક માટે જ હોવી જોઈએ ઘટકો અથવા પરિબળો પૂર્વ પસંદગી માર્ગદર્શન સમૂહ ધ્યાનમાં સલાહભર્યું છે. આમાંથી સૌથી મહત્વનું વેરિયેબલ્સ વિક્ષેપ સ્તર વ્યક્ત આ પરિબળ દ્વારા સમજાવી આવે eigenvalues છે. અંગૂઠો એક મહત્વપૂર્ણ નિયમ છે, કે જે પરિબળો નંબર અંદાજ માટે ખૂબ જ ઉપયોગી છે છે (પરિબળો તરીકે ત્યાં સુધી એક કરતાં વધુ eigenvalues તરીકે જોઈએ). આ નિયમ થોડો સરળ સમજાવવા કરી શકો છો - eigenvalues કે પરિબળો સમજાવે વેરિયેબલ્સ સામાન્ય અંતરની શેર વ્યક્ત, અને તેના એકમ તેઓ તે ડિસ્પરઝન્સનું કરતાં વધુ એક ચલ સમાવતી વ્યક્ત કરીશું ઓળંગી કિસ્સામાં.

પ્રયોગમૂલક, અને તેના ઉપયોગ માટે જરૂરિયાત પૂરી સંશોધક દ્વારા નક્કી કરી શકાય - તે ફરી એક વાર કે "વ્યક્તિગત eigenvalues" ના નિયમ સ્પષ્ટ કરવા માટે જરૂરી છે. ઉદાહરણ તરીકે, eigenvalue કિંમત એકતા કરતાં ઓછી છે, પરંતુ તે ફેલાવો, ચલો વચ્ચે વહેંચાયેલા કારણે છે. એક માર્કેટિંગ ક્ષેત્રે કુશળ ખૂબ જ મહત્વપૂર્ણ છે કે વિભાગીકરણ ઓળખી પરિબળો નોંધપાત્ર અર્થમાં હતા. અને તે પરિબળો કરતાં વધુ એક eigenvalues સમાવતી, પરંતુ એક અર્થપૂર્ણ અર્થઘટન ન હોય તો, તેઓ ધ્યાનમાં ન લેવામાં આવે છે. અને તે એક પરિસ્થિતિ તદ્દન વિપરીત હોઈ શકે છે.

અન્ય મહત્વનો મુદ્દો પરિબળ વિશ્લેષણ પદ્ધતિઓ વ્યવહારુ અરજી અંગે - પરિભ્રમણની પ્રશ્ન. તે જેવા વિકલ્પો પરિભ્રમણ ગણવામાં આવે છે. તેમાંના મોટા ભાગના લોકપ્રિય - varimax પદ્ધતિ. તે દરેક વ્યક્તિગત પરિબળ પર વેરિયેબલ્સ વિક્ષેપ મહત્તમ સ્તર પર આધારિત છે. આ પદ્ધતિ, એક પરિભ્રમણ, જેમાં કેટલાક ચલોને ઉચ્ચ મૂલ્યો શોધવા માટે મદદ કરે છે, જ્યારે અન્યો - દરેક વ્યક્તિગત પરિબળ કરવા માટે પૂરતી ઓછી છે.

પરિભ્રમણની બીજી પદ્ધતિ - kvartimaks, તે ચોક્કસ પરિભ્રમણ, જેમાં બંને ઓછા અને ઉચ્ચ લોડ હોય દરેક વ્યક્તિગત વેરિયેબલ માટે પરિબળો શોધવા માટે મદદ કરે છે.

ekvimaks રોટેશન પદ્ધતિ ઉપર ચર્ચા બે પદ્ધતિઓ વચ્ચે સમાધાન છે.

આ તમામ પદ્ધતિઓ, પરસ્પર કાટખૂણે સીમાની સાથે ઓર્થોગોનલ હોય તેનો ઉપયોગ વ્યક્તિગત પરિબળો વચ્ચે કોઈ સંબંધ શોધી શકાય છે.