Előadást letölteni
Az előadás letöltése folymat van. Kérjük, várjon
1
Főkomponens és faktor analízis
Főkomponens és faktor analízis
2
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
3
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
4
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
Hasonló előadás
