Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Корреляционная матрица – CorrelationMatrix. ⇐ ПредыдущаяСтр 8 из 8
Выбираются переменные для анализа, инициировав кнопку Variables (Переменные). Далее появится окно выбора переменных: Select the variables for the factor analysis – Выбрать переменные для факторного анализа. В данном окне можно выбрать переменные, либо высвечивая их мышью в представленном списке, удерживая ее левую кнопку и двигаясь вверх либо вниз, либо набрать номера переменных в нижней строке. Максимально допустимое число переменных 2000. Перейдем непосредственно к анализу полученных результатов факторного анализа. STATISTICA 6.0. вычислит корреляционную матрицу и предложит на выбор несколько методов факторного анализа. EXCEL Включение пакета анализа: Файл-параметры-надстройки-пакет анализа-перейт-отметить галочкой «пакет анализа»-ок. Пакет анализа появится во вкладке «данные» в правом верхнем углу
Сравнительная характеристика факторного и кластерного анализа КА можно применять в ходе корреляционного анализа – для исследования взаимосвязей множества переменных, как существенно более простой и наглядный аналог факторного анализа. В этом смысле представляет интерес сравнения факторного и кластерного анализа. Цель: ФА – замена большого числа исходных переменных меньшим числом факторов. КА - уменьшение числа объектов путем их группировки. КА применяется обычно для выделения групп объектов, исходя из их сходства по измеренным признакам. Различие в выполнении статистических операций: ФА – позволяет выделить факторы, которые интерпретируются как латентные причины взаимосвязи групп переменных. При этом каждый фактор идентифицируется (интерпретируется) через группу переменных, которые теснее связаны друг с другом, чем с другими переменными КА –каждый объект группируется либо с другим объектом, либо включается в состав существующего кластера. Процесс кластеризации конечен и продолжается до тех пор, пока все объекты не будут объединены в один кластер. Но если в качестве объектов классификации определить переменные, а в качестве мер их различия (близости) – корреляции, то кластерный анализ позволит получить тот же результат, что и факторный анализ. Имеется в виду доступная интерпретации структура взаимосвязей множества переменных. Исходные данные:
ФА неизбежно сопровождается потерей исходной информации о связях между переменными (от 30 до 50%) КА отражает всю исходную информацию о различиях (связях в данном случае). Отношения данных между собой: В ФА из требования «простой структуры» следует, что группы переменных, которые соответствуют разным факторам, не должны заметно коррелировать друг с другом. И чем теснее эти группы связаны, тем хуже факторная структура, тем труднее факторы поддаются интерпретации. КА не только допускает, но и отражает степень связанности разных кластеров, включая случаи соподчиненности (иерархичности) кластеров. Таким образом, кластерный анализ является не только более простой, но и наглядной альтернативой факторного анализа. Как начальный этап исследования корреляций, КА позволит избавиться от несгруппированных переменных и выявить иерархические кластеры, к которым факторный анализ не чувствителен. Вполне вероятно, что после КА отпадет и сама необходимость в проведении ФА.
[1] Р. Кеттелл при помощи МРА получил «профессиональные портреты» для некоторых специальностей: психотерапевта (общительность) и психодиагноста (интеллект). [2] это обобщение одномерного нормального распределения. Случайный вектор, имеющий многомерное нормальное распределение, называется гауссовским вектором, т.е. Многомерное нормальное распределение строится из распределения одномерных гауссовских величин.
|
|||||
Последнее изменение этой страницы: 2017-02-05; просмотров: 243; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.139.70.131 (0.006 с.) |