De belangrijkste component is gebaseerd op het proberen om het maximale niveau van de variantie verklaren in een bepaalde set van variabelen, en gericht op elementen in de correlatie matrix diagonaal.Er is een andere methode, gebaseerd op factoranalyse doel aan aanpassing van de correlatie matrix met een aantal factoren (minder dan het vooraf bepaalde aantal variabelen), maar door de benaderingsmethode wezenlijk verschilt van de eerste voorgestelde methode.
De methode zoals factoranalyse kan de correlatie tussen de variabelen zelf, en gericht op de elementen van het type correlatiematrix, buiten de diagonaal leggen.
basis van praktische toepassingen, proberen de noodzaak een specifieke methode begrijpen.Factoranalyse wordt gebruikt wanneer het belang van de onderzoekers in het onderzoek naar de relatie tussen de variabelen wordt de principaalcomponentenmethode toegepast bij de noodzaak om de afmeting van de data te reduceren en in mindere mate de interpretatie vereist.
Vanuit onze ervaring, kunnen we zien dat de methoden van factoranalyse met behulp van een voldoende groot aantal waarnemingen.Dit bedrag moet een orde van grootte hoger is dan het aantal geïdentificeerde factoren.
Het hoofdbestanddeel is zeer populair in marktonderzoek, omdat het kan worden gebruikt in aanwezigheid van multicollineariteit brongegevens.In het proces van marketing onderzoek vragenlijsten bevatten soortgelijke vragen en de antwoorden daarop, en zal voldoen aan de principes van multicollineariteit.
De belangrijkste component is geschikt om te overwegen in de geaggregeerde indicatoren, die een leidraad voor de onderzoeker in de voorlopige keuze van het aantal componenten of factoren moeten zijn.De belangrijkste hiervan zijn de eigenwaarden van expressie van het niveau van dispersie van de variabelen worden met deze factor.Er is een belangrijke vuistregel, die zeer nuttig voor het schatten van het aantal factoren (met vele factoren er eigenwaarden van meer dan één).Deze regel kan een beetje makkelijker uit te leggen - hun eigen aandeel in de uitdrukkelijke genormaliseerde afwijkingen van variabelen die de factoren legt in het geval van overschrijding van zijn eenheid moeten ze deze dispersies die meer dan één variabele uit te drukken.
nodig om duidelijk te maken eens te meer dat de regel van de "single eigenwaarden" - duim, en de noodzaak voor de toepassing ervan kunnen alleen worden opgelost door de onderzoeker.Bijvoorbeeld, het juiste getal een waarde kleiner dan één, maar het is het gevolg van de verspreiding, verdeeld tussen variabelen.Deskundigen op het gebied van handel is zeer belangrijk dat de segmentatie van de geïdentificeerde factoren waren aanzienlijke betekenis.En die factoren die eigenwaarde over de eenheid, maar niet over een zinvolle interpretatie, ze worden niet in aanmerking genomen.En de situatie kan integendeel voordoen.
Een andere belangrijke vraag over de praktische toepassing van factoranalyse - de kwestie van de rotatie.Eventueel kunnen opties voor de rotatie te overwegen.De meest populaire van hen - varimax methode.Het is gebaseerd op het bereiken van de maximale dispersie van variabelen elke afzonderlijke factor.Deze methode helpt om een rotatie, waarbij sommige variabelen hoge waarden te vinden, terwijl anderen - laag genoeg om elke afzonderlijke factor.
andere methode rotatie - kvartimaks, helpt om een bepaalde bocht, waarin de factoren voor elke variabele zowel lage als hoge belastingen vinden.
ekvimaks rotatie methode is een compromis tussen de twee hierboven besproken werkwijzen.
Al deze methoden zijn orthogonaal met onderling loodrechte assen, kan het gebruik ervan worden opgespoord geen correlatie tussen de individuele factoren.