ప్రధాన భాగం

ప్రధాన భాగం వేరియబుల్స్ కొన్ని నియమాలకు అంతర్భేధం యొక్క గరిష్ట స్థాయి వివరించడానికి ప్రయత్నించే ఆధారంగా, మరియు సహసంబంధ మాత్రిక వికర్ణంలో అంశాలను ఆధారితమైనది. అక్కడ అంశాల విశ్లేషణ, అంశాల నిర్దిష్ట సంఖ్యలో (వేరియబుల్స్ కుదిరిన సంఖ్య కంటే తక్కువ) ఉపయోగించి సహసంబంధం మాత్రిక యొక్క ఉజ్జాయింపు అమలు లక్ష్యంగా ఆధారంగా మరో పద్ధతిగా ఉంది, కానీ పద్ధతులు వివిధ రకాలుగా రమారమి మొదటి ప్రతిపాదిత విధానం భిన్నమైనది.

అందువలన, అంశాల విశ్లేషణ పద్ధతి వేరియబుల్స్ తమను, మరియు ఆమె బయట సహసంబంధం మాత్రిక రకమైన మూలకాలను వికర్ణంగా ఆధారిత సహసంబంధం వివరిస్తుంది.

వాడుకలో ఆధారంగా, ఒక నిర్దిష్ట పద్ధతి యొక్క అనువర్తనం యొక్క అవసరాన్ని అర్థం ప్రయత్నించండి. కారక విశ్లేషణ చరరాశుల మధ్య సంబంధాన్ని అధ్యయనం పరిశోధకులు ఆసక్తి ఉన్నప్పుడు, అవసరం డేటా కోణాన్ని తగ్గించేందుకు ఉన్నప్పుడు ప్రాథమిక భాగంగా విశ్లేషణ ఉపయోగిస్తారు, మరియు కొంత తక్కువ మేరకు వారి వ్యాఖ్యానం అవసరం ఉపయోగిస్తారు.

మా అనుభవం నుండి, మేము పరిశీలనలు తగినంత పెద్ద సంఖ్యలో ఉపయోగించి అంశం విశ్లేషణ పద్ధతులు చూడగలరు. ఈ మొత్తం తీవ్రతతో గుర్తించారు కారకాలు సంఖ్య కంటే ఎక్కువగా ఒక క్రమంలో ఉండాలి.

ఇది multicollinearity మూలం డేటా సమక్షంలో ఉపయోగించవచ్చు వంటి ప్రధాన భాగం, మార్కెటింగ్ పరిశోధనలో చాలా ప్రాచుర్యం పొందింది. మార్కెట్ పరిశోధన ప్రశ్నాపత్రాలను ప్రక్రియలో ఇలాంటి ప్రశ్నలు, మరియు వాటిని సమాధానాలు కలిగి మరియు multicollinearity సూత్రాలను పాటించాలి.

ప్రధాన భాగం పరిశోధకుడు కోసం ఉండాలి భాగాలు లేదా కారకాలు ముందు ఎంపిక మార్గనిర్దేశం సూచికల సెట్ పరిగణలోకి మంచిది. వీటిలో అత్యంత ముఖ్యమైన విషయాలను వ్యాప్తి స్థాయి వ్యక్తం ఈ అంశం ద్వారా వివరించడం యొక్క eigenvalues ఉన్నాయి. కారకాలు సంఖ్య అంచనా చాలా ఉపయోగకరంగా ఉంది బండ ఒక ముఖ్యమైన నియమం ఉంది (కారకాలు ఒకటి కంటే ఎక్కువ ఉంది eigenvalues ఉన్నంత ఉండాలి). ఈ నియమం కొద్దిగా సులభంగా వివరిస్తుంది - eigenvalues కారకాలు వివరిస్తూ వేరియబుల్స్ యొక్క సామాన్యీకరణ వైవిధ్యంలోని వాటా వ్యక్తం, మరియు దాని యూనిట్ వారు ఒకటి కంటే ఎక్కువ వేరియబుల్ కలిగి ఆ విక్షేపణాలు వ్యక్తం ఉండాలి మించి విషయంలో.

అనుభావిక, మరియు దాని ఉపయోగం అవసరాన్ని మాత్రమే పరిశోధకుడు ద్వారా నిర్ణయించబడుతుంది - ఇది మరోసారి "వ్యక్తిగత eigenvalues" యొక్క నియమం స్పష్టం అవసరం. ఉదాహరణకు, eigenvalue ఐక్యత కంటే తక్కువ విలువ కలిగి ఉంటుంది కానీ అది చరరాశుల మధ్య పంపిణీ స్ప్రెడ్ కారణం. మార్కెటింగ్ రంగంలో నైపుణ్యం సెగ్మెంటేషన్ గుర్తించారు కారకాలు గణనీయమైన స్ఫూర్తిని అని చాలా ముఖ్యం. మరియు ఆ కారకాలు ఒకటి కంటే ఎక్కువ eigenvalues కలిగి, కానీ ఒక అర్ధవంతమైన వ్యాఖ్యానం లేదు, వారు పరిగణలోకి తీసుకుంటారు లేదు. మరియు అది ఒక పరిస్థితి చాలా సరసన ఉండవచ్చు.

భ్రమణ ప్రశ్న - అంశాల విశ్లేషణ పద్ధతులను ఆచరణాత్మక అప్లికేషన్ సంబంధించిన మరో ముఖ్యమైన సమస్య. ఇటువంటి ఎంపికలు భ్రమణాల పరిగణించవచ్చు. వాటిని అత్యంత ప్రసిద్ధి చెందిన - varimax పద్ధతి. ఇది ప్రతి వ్యక్తి అంశం వేరియబుల్ వ్యాప్తి గరిష్ట స్థాయి ఆధారంగా. ఈ పద్ధతి, కొన్ని వేరియబుల్స్ అధిక విలువలు దీనిలో ఒక భ్రమణం, కనుగొనేందుకు సహాయపడుతుంది కాగా ఇతరమైనవి - ప్రతి వ్యక్తి కారకం తగినంత తక్కువ.

భ్రమణ మరో పద్ధతి - kvartimaks, అది ప్రతి వ్యక్తి వేరియబుల్ కు కారకాలుగా తక్కువ మరియు అధిక రెండు లోడ్లు కలిగి దీనిలో ఒక నిర్దిష్ట భ్రమణం, కనుగొనేందుకు సహాయపడుతుంది.

ekvimaks భ్రమణం పద్ధతి పైన చర్చించిన రెండు పద్ధతులు మధ్య రాజీ ఉంటుంది.

వారి ఉపయోగం వ్యక్తిగత కారకాల మధ్య ఎలాంటి సహసంబంధం జాడని వద్ద అన్ని ఈ పద్ధతులు, పరస్పరం లంబంగా అక్షాలతో ఆర్తోగోనల్.