Főkomponens és faktor analízis 2017.04.04. Főkomponens és faktor analízis
Főkomponens és faktor analízis Célok: Eredeti változók információ-tartalmának kevés számú (mesterséges) változóba tömörítése Közvetlenül nem mérhető (látens) változók, faktorok képzése Az eredeti változók közötti „csoportosulások” kimutatása Multikollinearitás lokalizálása A főkomponensek elmélete: Főkomponensek: az eredeti változók olyan lineáris kombinációi, melyek ortogonális rendszert alkotnak, és a szóródásra vonatkozó összes információt reprodukálják A főkomponensek szóródása monoton csökken A szóródási információ nagy hányada kevés főkomponenssel reprodukálható
Alkalmazható módszerek Extraction methods: adatredukció: főkomponens analízis car_sales.sav Price – Fuel efficiency struktúra feltárása: egyéb modellek telco.sav Long distance last month – Wireless last month és Multiple lines – Electronic billing Principal axis factoring
Fontos outputok Kommunalitás (Communalities) Eigenvalues Scree plot Rotated component matrix Komponensek és eredeti változók korrelációja KMO teszt (faktorok okozta variancia) totális és parciális korrelációs együtthatókat hasonlít össze minél közelebb 1-hez, annál jobb, ekkor lineáris a kapcsolat