Статистический советник

Поиск факторов и главных осей

Используйте ФАКТОРНЫЙ АНАЛИЗ, АНАЛИЗ СООТВЕТСТВИЙ или МНОГОМЕРНОЕ ШКАЛИРОВАНИЕ:

ФАКТОРНЫЙ АНАЛИЗ: Этот модуль содержит процедуры факторного анализа и анализа главных компонент. Вообще цель факторного анализа состоит в том, чтобы обнаружить сравнительно небольшое количество (латентных, скрытых) факторов, которые объясняют связи (зависимости) между наблюдаемыми переменными. При этом количество выделяемых факторов существенно меньше числа наблюдаемых переменных, поэтому факторный анализ можно рассматривать как метод редукции данных. С помощью него вы можете существенно сократить размерность анализируемых данных. Например, если с помощью факторного анализа исследуются 4 различных переменных, связанных с величиной субъекта (рост, вес, размер обуви, длина руки) в выборке из 100 человек, то наиболее вероятно в результате будет получена только одна переменная. Полученную переменную можно обозначить как 'величина' человека. Факторный анализ можно рассматривать также как метод классификации. Вычисления факторного анализа основаны на исследовании корреляционной матрицы наблюдаемых переменных. Программа стремится найти минимальное число факторов необходимых для максимально точного воспроизведения корреляционной матрицы (в той или иной метрике).

АНАЛИЗ СООТВЕТСТВИЙ: Анализ соответствий - это метод описательного и разведочного анализа категоризованных данных, т.е. данных представленных в виде двувходовых или многовходовых таблиц сопряженности; строки или столбцы представляются точками в пространстве. Вычисляются самые разнообразные меры соответствия между строками или столбцами таблицы. В известном смысле этот метод близок факторному анализу, т.к. стремится воспроизвести наблюдаемую таблицу сопряженности в пространстве (строк или столбцов) возможно меньшей размерности и обнаружить структуры табулированных данных. Если в факторном анализе выделяется доля дисперсии, то в анализе соответствий выделяются компоненты статистики хи-квадрат. Наиболее часто анализируются таблиц двувходовые таблицы частот (см. например, Основные статистики или Логлинейный анализ).

МНОГОМЕРНОЕ ШКАЛИРОВАНИЕ: Этот модуль позволяет провести неметрическое многомерное шкалирование, основанное на информации о сходствах или различиях изучаемых объектов. Как и в факторном анализе, целью многомерного шкалирования является нахождение скрытых (латентных) факторов, определяющих структуру исходных переменных. Однако в отличие от факторного анализа, который основывается на корреляционной матрице анализируемых переменных, многомерное шкалирование имеет дело с матрицей сходств или различий. Эти сходства (различия) могут в действительности быть некоторыми экспертными оценками, результатами опроса или рейтингами, а могут быть получены каким-либо другим путем (например измерением географических расстояний). При этом совершенно не обязательно использовать очень точные измерения; единственным требованием к этим величинам является сохранение в них информации о рангах, т.е. отношении порядка наблюдаемых величин (например, чтобы большее значение сходства соответствовало большему реальному сходству между объектами).