Főkomponens és faktor analízis

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

A LOKÁLIS TÉRSÉGEK VERSENYKÉPESSÉGÉNEK LEHETSÉGES ELEMZÉSI MÓDSZERE
Csoport tagok: Pap Imola Püsök Bernadett Szabó Ibolya-Melánia Vincze Adina-Mária Hajas Zsolt-Árpád nov. 17.
Gazdaságelemzési és Statisztikai Tanszék
Híranyagok tömörítése
Digitális képanalízis
Informatikai Tudományok Doktori Iskola
Főkomponensanalízis Többváltozós elemzések esetében gyakran jelent problémát a vizsgált változók korreláltsága. A főkomponenselemzés segítségével a változók.
Összefüggés vizsgálatok
Összefüggés vizsgálatok x átlag y átlag Y’ = a + bx.
Dr. Szalka Éva, Ph.D.1 Statisztika II. VIII.. Dr. Szalka Éva, Ph.D.2 Többváltozós korreláció és regresszióanalízis.
Ozsváth Károly NYME ACSJK Testnevelési Tanszék. Faktor = „jellemző”, „háttérváltozó” A faktoranalízis (FA) alapjában a változók csoportosítására, redukciójára.
Ozsváth Károly NYME ACSJK Testnevelési Tanszék. Fábián Gy. – Zsidegh M.: A testnevelési és sporttudományos kutatások módszertana, p. (SPSS: p.,
III. előadás.
Lineáris korreláció és lineáris regresszió. A probléma felvetése y = 1,138x + 80,778r = 0,8962.
AZ URBÁNUS KISTÉRSÉGEK VERSENYKÉPESSÉGE
SPSS többváltozós (lineáris) regresszió (4. fejezet)
Diszkriminancia analízis
SPSS többváltozós regresszió
K-közepű és kétlépéses klaszteranalízis (3. fejezet)
Diszkriminancia analízis
Kovarianciaanalízis Tételezzük fel, hogy a kvalitatív tényező(k) hatásának azonosítása után megmaradó szóródás egy részének eredete ismert, és nem lehet,
Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
Lineáris egyenletrendszerek (Az evolúciótól a megoldáshalmaz szerkezetéig) dr. Szalkai István Pannon Egyetem, Veszprém /' /
Kvantitatív módszerek
Kvantitatív módszerek
Egytényezős variancia-analízis
Az F-próba szignifikáns
Statisztika a szociológiában
Matematikai statisztika Készítették: Miskoltzy Judit Sántha Szabina Szabó Brigitta Tóth Szabolcs Török Tamás Marketing Msc I. évf., I. félév, levelező.
Matematikai statisztika Készítették: Miskoltzy Judit Sántha Szabina Szabó Brigitta Tóth Szabolcs Török Tamás Marketing Msc I. évf., I. félév, levelező.
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
Lineáris programozás.
RÉSZEKRE BONTOTT SOKASÁG VIZSGÁLATA
Adatbányászati módszerek a térinformatikában
Többváltozós adatelemzés
Többváltozós adatelemzés
Többváltozós adatelemzés
Következtető statisztika 9.
A sztochasztikus kapcsolatok (Folyt). Korreláció, regresszió
Lineáris regresszió.
Paleobiológiai módszerek és modellek 7. Hét TÖBBVÁLTOZÓS ADATELEMZÉS
Faktoranalízis az SPSS-ben
Többváltozós számítások
Többszempontos ANOVA (I
Bevezetés a Korreláció & Regressziószámításba
Vargha András KRE és ELTE, Pszichológiai Intézet
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Többváltozós lineáris regressziós modell feltételeinek tesztelése.
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.
Együttélés fluktuáló környezetben II. Elméleti ökológia szeminárium.
A számítógépes elemzés alapjai
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Talajminták vizsgált paraméterei Durva homok ( 2,0 - 0,2 mm) Finom homok ( 0,2 –0,02 mm ) Por ( 0,02 – 0,002 mm ) Kolloid agyag ( 0,002 mm alatt ) Fizikai.
Gazdaságstatisztika Gazdaságstatisztika Korreláció- és regressziószámítás II.
Pedagógiai hozzáadott érték „Őrült beszéd, de van benne rendszer” Nahalka István
A számítógépes elemzés alapjai
Kvantitatív módszerek
Lineáris regressziós modellek

Többváltozós lineáris regresszió
III. előadás.
Dr. Varga Beatrix egyetemi docens
Faktor- és főkomponensanalízis
Az Európai Unió tagországainak, a csatlakozásra váró országoknak
Valószínűségi változók együttes eloszlása
A Box-Jenkins féle modellek
Acf, pacf, arima, arfima.
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
Dr. Varga Beatrix egyetemi docens
Előadás másolata:

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