galvenā sastāvdaļa ir balstīta uz mēģina izskaidrot maksimālo līmeni dispersijas noteiktā mainīgo lielumu kopumu, un orientēta uz elementiem, kas atrodas korelācijas matricā diagonāli.Ir vēl viena metode, kas balstīta uz faktoru analīzi, kuras mērķis ir īstenot tuvināšanu korelācijas matricas ar noteiktu vairākiem faktoriem (mazāk nekā iepriekš skaita mainīgo lielumu), bet tuvināšanas metodes būtiski atšķiras no pirmā piedāvātās metodes.
Tādējādi metodi faktoru analīzi, var izskaidrot saistību starp pašiem, un orientēti uz elementiem korelācijas matricas veidam, ārpus tā diagonāle mainīgajiem.
Pamatojoties uz praktisku pielietojumu, mēģināt saprast nepieciešamību izmantot īpašu metodi.Faktoru analīze tiek izmantota, ja ir interese par pētniekiem pētījumu par saistību starp mainīgajiem, galvenās sastāvdaļas metode tiek izmantota, ja nepieciešamība samazināt dimensiju datiem un mazākā mērā to interpretācija ir nepieciešama.
No mūsu pieredzes, mēs varam redzēt, ka metodes, faktoru analīze, izmantojot pietiekami lielu skaitu novērojumu.Šī summa būtu par kārtu augstākas nekā skaits identificētajiem faktoriem.
galvenā sastāvdaļa ir ļoti populārs mārketinga pētījumi, jo to var izmantot klātbūtnē multikolinearitāte datu avotu.Šajā procesā mārketinga pētījumu anketas ir līdzīgi jautājumi, un atbildes uz tiem, un būs jāatbilst multikolinearitāte principiem.
galvenā sastāvdaļa ir lietderīgi apsvērt ar rādītāju kopumu, kas būtu ceļvedis pētnieks iepriekšēju izvēli skaita sastāvdaļas vai faktoriem.Svarīgākais no tiem ir īpašvērtības izteikšanas līmeni dispersijas mainīgo lielumu ir izskaidrojams ar šo faktoru.Ir viens svarīgs noteikums īkšķis, kas ir ļoti noderīgi, lai novērtētu vairākus faktorus (lai būtu daudz faktoru, jo ir īpašvērtības ir vairāk nekā viena).Šis noteikums var izskaidrot mazliet vieglāk - savu daļu izteikt normalizētu dispersijas mainīgo, kas izskaidro faktorus gadījumā, kas pārsniedz viņa vienību tām vajadzētu izteikt šos dispersijas satur vairāk nekā vienu mainīgo.
jāprecizē vēlreiz, ka noteikums par "vientuļajiem īpašvērtību" - īkšķis, un vajadzību pēc tās piemērošanu var atrisināt tikai pētniekam.Piemēram, pareizi skaits ir vērtība mazāka par vienotību, bet tas ir saistīts ar izplatīšanu, izplatīts starp mainīgajiem.Tie kvalificēti mārketinga jomā, ir ļoti svarīgi, ka segmentācija identificēti faktori bija ievērojams jēga.Un šie faktori, kas satur eigenvalues pār vienību, bet kurām nav nozīmīgu interpretāciju, tie netiek ņemti vērā.Un tas var būt situācija, gluži pretēji.
Vēl viens svarīgs jautājums par praktisko piemērošanu faktoru analīzi - jautājumā par rotāciju.Tā var izskatīt šādus iespējas rotāciju.Populārākais no tiem - metode Varimax.Tā ir balstīta uz panāktu maksimālu līmeni dispersijas mainīgo par katra atsevišķa faktora.Šī metode palīdz atrast rotāciju, kurā daži mainīgie ir augstas vērtības, bet citiem - pietiekami zems, lai katram atsevišķam faktoram.
Vēl viens rotācijas metode - kvartimaks, tas palīdz atrast konkrētu pagriezienu, kurā faktorus katram atsevišķam mainīgajam ir gan zemas un augstas slodzes.
ekvimaks rotācija metode ir kompromiss starp divām metodēm apspriesta iepriekš.
Visas šīs metodes ir perpendikulāras ar savstarpēji perpendikulārām asīm, to izmantošana var izsekot nekādu korelāciju starp individuāliem faktoriem.
