ფაქტორის მატრიცა. მთავარი მოსაზრებებია ფაქტორული ანალიზის პროცედურები. ფაქტორების რაოდენობის განსაზღვრის კრიტერიუმები. პროდოვჟენნია

ფაქტორების ვარიაციული ანალიზი

ფაქტორის მატრიცა

Zminna ფაქტორი A ფაქტორი B

როგორც მატრიციდან ჩანს, A და B ფაქტორების გავლენა (ან ვაგი) სხვადასხვა გადარჩენილთათვის შეიძლება მნიშვნელოვნად განსხვავდებოდეს. ფაქტორის მიზიდულობა A შესაძლებელია T 1 მიუთითებს კავშირის სიმჭიდროვეზე, რომელიც ხასიათდება 0,83-ის ტოლი კორელაციის კოეფიციენტით, მაშინ. კარგი (სქელი) საწყობი. Factorne navantazhenya B იგივე სარგებელს აძლევს რ კ= 0.3, რაც მიუთითებს სუსტ კავშირზე. როგორც ცნობილია, B ფაქტორი ძალიან კარგად არის დაკავშირებული T2, T4 და T6 გადარჩენილ ეფექტებთან.

ექიმები, რომელთა ფაქტორების გავლენა ორივე A და B გამოიყენება გადარჩენილ ადამიანებზე, რომლებიც არ არიან მათ ჯგუფში, კავშირის სიმკვრივით არაუმეტეს 0,4 (რაც სუსტია), შეიძლება მხედველობაში მივიღოთ, რაც ზემოთ არის წარმოდგენილი, ურთიერთკორელაცია. მატრიცა ნიშნავს, რომ არსებობს ორი დამოუკიდებელი ფაქტორი, რაც თავისთავად ნიშნავს ექვს ცოცხალ სარგებელს (შემთხვევა T 7).

Zminna T 7 შეიძლება ჩაითვალოს დამოუკიდებელ ფაქტორად, ვინაიდან ფრაგმენტებს ერთმანეთთან არ აქვთ მნიშვნელოვანი კორელაციური გავლენა (0,4-ზე მეტი). მაგრამ, ჩვენი აზრით, სამუშაოს კვალი არ არის, რადგან ფაქტორი „კარები არ არის დამნაშავე ჟანგში“ არ ახდენს უშუალო გავლენას გადარჩენილებზე. დიზაინებიკარები.

ამ გზით, როდესაც დადასტურდება ტექნიკური დეპარტამენტიმანქანის კარების დიზაინის შემუშავებისას, გარკვეული ფაქტორები ჩაირთვება, როგორც დამხმარე სარგებელი, რისთვისაც აუცილებელია კონსტრუქციული გადაწყვეტილებების მოძიება საინჟინრო მახასიათებლების თვალსაზრისით.

ერთი პრინციპი, რომელიც მნიშვნელოვანია, არის ცვლადებს შორის კორელაციის კოეფიციენტის სიმძლავრე: შედეგი არის კვადრატი, რომელიც გვიჩვენებს ორი ცვლადის ნიშნების დისპერსიის (დისპერსიის) რომელ ნაწილს ემთხვევა, რამდენადაც ცვლადის გადახურვის ხუდლე. ასე, მაგალითად, ორი ცვლადი T 1 და T 3 0.8 კორელაციით გადახურულია 0.64 (0.8 2) საფეხურზე, რაც ნიშნავს, რომ ამ და სხვა ცვლადის ვარიაციის 64% არის იგივე სელის, ტობტო. გაიქეცი. ამის თქმაც შეგიძლია სიმდაბლეეს ცვლილებები იგივეა, რაც 64%.

ნათელია, რომ ფაქტორების მნიშვნელობა ფაქტორების მატრიცაში ასევე არის კორელაციის კოეფიციენტი და ფაქტორებსა და ცვალებადი ფაქტორებს შორის (გადარჩენილი ფაქტორები).

Zminna ფაქტორი A ფაქტორი B

მაშასადამე, ფაქტორის ინტენსივობის (დისპერსიის) კვადრატი ახასიათებს მოცემული ცვლადის და მოცემული ფაქტორის სიძლიერის (ან გადახურვის) დონეს. მნიშვნელოვანია ორივე ფაქტორის გადაფარვის ხარისხი (ვარიანსი D) T1-ის ცვლილებასთან (მდგრადობასთან). და აუცილებელია ტერეზოვის ჩინოვნიკების კვადრატების ჯამის გამოთვლა პირველივე ცვლილების შემდეგ. 0,83 x 0,83 + 0,3 x 0,3 = 0,70. ამრიგად, ცვლადი T1-ის პოტენციალი ორივე ფაქტორით ხდება 70%. ცე დოსიტი ნიშნავს არა გადამეტებას.

ამავდროულად, დაბალი ძილიანობა შეიძლება შეინიშნოს მათზე, ვინც ცვლილება კვდება ან აშკარად განსხვავდება ანალიზში შეტანილი სხვა ცვლილებებისგან. მნიშვნელოვანია აღინიშნოს, რომ ეს ცვლილება არ ეთანხმება ფაქტორებს ერთ-ერთი მიზეზის გამო: ან ის სხვაგვარად კვდება (როგორც, მაგალითად, ცვლილება T 7), ან არსებობს დიდი წყალობა კვდება, ან არის ნიშნები. რომ მას შეუძლია დისპერსიის შექმნა.

უნდა აღინიშნოს, რომ კანის ფაქტორის მნიშვნელობა ასევე განისაზღვრება ცვლადებსა და ფაქტორების გავლენებს შორის დისპერსიის რაოდენობით. ფაქტორის რეალური მნიშვნელობის გამოსათვლელად აუცილებელია ფაქტორების მატრიცის კანის სვეტში ვიცოდეთ კანის ცვლადის ფაქტორების მნიშვნელობის კვადრატების ჯამი. მაგალითად, A ფაქტორის დისპერსია (DA) არის 2.42 (0.83 x 0.83 + 0.3 x 0.3 + 0.83 x 0.83 + 0.4 x 0.4 + 0, 8 x 0.8 + 0.35 x 0.35). ოფიციალური B-ის მნიშვნელობის ანალიზმა აჩვენა, რომ D B = 2.64, მაშინ. ოფიციალური B vischa-ს მნიშვნელობა, ქვედა ოფიციალური A.

ვინაიდან შესაძლებელია ფაქტორის მნიშვნელობის დაყოფა ცვლადების რაოდენობაზე (ჩვენს აპლიკაციაში არის ორი), მაშინ მნიშვნელობა ამოღებულია, რათა აჩვენოს გამომავალი კორელაციის მატრიცაში დისპერსიის (ან ინფორმაციის) რა ნაწილია. შენახვის ფაქტორი. A ფაქტორისთვის? ~ 0.34 (34%) და B ფაქტორისთვის -? = 0.38 (38%). შედეგების შეჯამების შემდეგ გამოვაკლებთ 72%-ს. ამრიგად, ეს ორი ფაქტორი ერთობლივად განაპირობებს გამომავალი მატრიცის ინდიკატორებში დისპერსიის 72%-ზე მეტს. ეს ნიშნავს, რომ ფაქტორიზაციის შედეგად გამომავალი მატრიცის ინფორმაციის ნაწილი შეეწირა შემთხვევით ორფაქტორიან მოდელს. შედეგად, ინფორმაციის 28%, რომელიც შეიძლებოდა განახლებულიყო ექვსფაქტორიანი მოდელის გამოყენების შემთხვევაში, ფუჭად დაიხარჯა.

სად მიენიჭა მშვიდობა, ექიმებმა, რომ ყველა ცვლილება შეხედეს, რა შეიძლება გაკეთდეს კარების დიზაინზე, ექიმებმა? სავარაუდოდ, იმ ცვლილებების კორელაციის კოეფიციენტების მნიშვნელობები, რომელსაც ერთი ოფიციალური პირი ელოდება, ბევრად არ არის შეფასებული. ანალიზის შედეგების საფუძველზე, შესაძლებელი გახდა კორელაციის კოეფიციენტების სხვა მნიშვნელობების ფორმირება ინტერკორელაციის მატრიცაში (დივ. ცხრილი 2.2).

პრაქტიკაში, ასეთი ვითარება ხშირად წარმოიქმნება, როდესაც დამოუკიდებელი ფაქტორების რაოდენობა დიდია, ასე რომ, ისინი ყველა ყურადღებას ამახვილებენ ყველაზე მნიშვნელოვან პრობლემებზე, ტექნიკური თუ ეკონომიკური თვალსაზრისით. ფაქტორების რაოდენობის შემცირების რამდენიმე გზა არსებობს. მათგან ყველაზე ცნობილი პარეტოს ანალიზია. ამ შემთხვევაში შეირჩევა ეს ფაქტორები (სხვადასხვა მნიშვნელობის სამყაროში), რომლებიც განაპირობებენ მათი საერთო მნიშვნელობის 80-85%-მდე.

ფაქტორული ანალიზი შეიძლება გამოყენებულ იქნას სტრუქტურირებული ფუნქციის მეთოდის (QFD) განხორციელებაში, რომელიც ფართოდ გამოიყენება კორდონის მიღმა ახალი ვირუსის ტექნიკური მახასიათებლების ფორმირებისას.

როგორც კორელაციური მატრიციდან ჩანს, ცვლილებები, რომლებიც იწვევს სამუშაოთი კმაყოფილებას, უფრო მეტად არის დაკავშირებული ერთმანეთთან და ცვლილებები, რომლებიც იწვევს ჯიხურით კმაყოფილებას, ასევე კორელაციაშია ერთმანეთთან. კორელაციები ორ ტიპის ცვლადებს შორის (ცვლადები, რომლებიც დაკავშირებულია სამსახურში კმაყოფილებასთან და ცვლადებთან დაკავშირებული სამუშაო კმაყოფილებასთან) შედარებით მცირეა. სავარაუდოა, რომ არსებობს ორი აშკარად დამოუკიდებელი ფაქტორი (ორი სახის ფაქტორი), რომლებიც ჩნდება კორელაციის მატრიცაში: ერთი დაკავშირებულია სამსახურში კმაყოფილებასთან, ხოლო მეორე - საშინაო ცხოვრებით კმაყოფილებასთან.

ქარხანა ნავანტაჟენია

ფაქტორული ანალიზის კიდევ ერთი ეტაპი არის თანამდებობის პირების ერთობლივი წარმოება და ძირითადი კომპონენტების გზა და მთავარი თანამდებობის პირების გზა. შედეგი ჩვენი კონდახისთვის არის გამოსავალი, რომელიც დაფუძნებულია ორ ფაქტორზე. მოდით შევხედოთ კორელაციას ორ ცვალებადი ფაქტორს (ან „ახალ“ ცვალებადი ფაქტორებს შორის). ამ კორელაციებს ეწოდება ფაქტორების კორელაციები.

ცხრილი 3. 16

ფაქტორების ცხრილი (ძირითადი კომპონენტის მეთოდი)

როგორც 3.16 ცხრილიდან ჩანს, პირველი თანამდებობის პირი დაკავშირებულია ცვლილებებთან, მეორეზე ნაკლები (პირველი თანამდებობის პირის კანის ცვლილებების მნიშვნელობის ფრაგმენტები უფრო დიდია, მეორეზე ნაკლები). ეს აშკარაა, რადგან, როგორც ზემოთ ითქვა, ფაქტორები თანმიმდევრულად ჩანს და ნაკლებია შემთხვევითი დისპერსია (გაყოფა ფაქტორების მნიშვნელობა და რაოდენობა, რაც ჩანს, სტორ. 61).

შეფუთვის ფაქტორების მეთოდები

ფაქტორული ანალიზის მესამე ეტაპი არის ფაქტორების შეფუთვა, რაც პირველი ეტაპის შედეგია. შეფუთვის ტიპიური მეთოდები და სტრატეგიები ვარიმაქსი, კვარტიმაქსი, і equimax. ამ მეთოდების მეთოდია გონივრული (ინტერპრეტირებული) უპირატესობის მატრიცის ამოღება, ისე, რომ ფაქტორები მკაფიოდ იყოს მითითებული მაღალი უპირატესობის მნიშვნელობებით (მაგალითად, 0.7-ზე მეტი) ზოგიერთი ცვლილებისთვის და დაბალი - სხვებისთვის. Qiu-ს ახალ მოდელს ზოგჯერ უწოდებენ მარტივი სტრუქტურა.

შეფუთვის მეთოდის იდეა ვარიმაქსიბულამ უფრო აღწერა (დივ. გაყოფილი ძირითადი კომპონენტის მეთოდი, სტორ. 60). ამ მეთოდის გამოყენება შესაძლებელია კონდახზეც. როგორც ადრე, ჩვენი ამოცანაა ვიპოვოთ სახვევი, რომელიც მაქსიმალურად გაზრდის დისპერსიას ახალი ღერძების გასწვრივ; ან, სხვა სიტყვებით რომ ვთქვათ, კანის ფაქტორზე ყურადღების მატრიცის ამოღება ისე, რომ სუნები მაქსიმალურად აღმოიფხვრას და მათი მარტივი ინტერპრეტაცია იყოს შესაძლებელი. ქვემოთ მოცემულია ცხრილი, რომელიც აჩვენებს ბრუნვის ფაქტორს.

ცხრილი 3. 17

ფაქტორების ცხრილი navantazhenya (obertannya – varimax)

როგორც 3.17 ცხრილიდან ჩანს, სამუშაოზე მაღალი მოთხოვნის ღირებულებების პირველი ფაქტორი დაკავშირებულია სამუშაოზე კმაყოფილებასთან, ხოლო მეორე ფაქტორი დაკავშირებულია ჯიხურთან კმაყოფილებასთან. საიდანაც შეგიძლიათ განავითაროთ კონცეფცია, რომელშიც მედდის დახმარებით მიღებული კმაყოფილება შედგება ორი ნაწილისგან: კმაყოფილება ჯიხურით და სამუშაო. ამგვარად, დამსხვრეული კლასიფიკაციაშემდეგი ცვლილებები. კლასიფიკაციის მიხედვით, პირველ ფაქტორს შეიძლება ეწოდოს შრომით კმაყოფილების ფაქტორი (ან სოციალური ფასეულობების ფაქტორი) და, ცხადია, მეორეს - ჯიხურით კმაყოფილების ფაქტორი (ან განსაკუთრებული ღირებულებების ფაქტორი).

ფაქტორული ანალიზის შედეგების ინტერპრეტაცია

ფაქტორული ანალიზის საბოლოო ეტაპი არის შეფუთვის შედეგში შემავალი ფაქტორების ალტერნატიული ინტერპრეტაცია. აქ მკვლევარს სჭირდება კარგი თეორიული მომზადება და ამ კვლევის სფეროში უკვე დაგროვილი ექსპერიმენტული შედეგების ცოდნა.

რეალურად, თანამდებობის პირების ინტერპრეტაცია მდგომარეობს თანამდებობის პირების კანში დანახულ მნიშვნელოვან ფაქტორებში (რეფერენტული ცვლადები). არ არსებობს ზუსტი კრიტერიუმები, რომლებიც იძლევა მნიშვნელოვანი ფაქტორების (გავლენის) დიფერენცირების საშუალებას. მაგალითად, დიდ ნიმუშებში (ასობით ადამიანი ან მეტი) მნიშვნელოვანი ყურადღება ეთმობა 0,3 და მეტის მნიშვნელობას. შერჩევის რამდენიმე ათეულ ინდივიდზე შეცვლისას, როგორც მნიშვნელოვანი, მიიღება 0,4–0,5 რიგის მნიშვნელობები.

თანამდებობის პირების ინტერპრეტაცია ყოველთვის შეუფერხებლად მიმდინარეობს; ზოგიერთ შემთხვევაში, ეს ძალიან ნათელია (მაგალითად, სხვადასხვა მონაცემებში, რომლებიც შეესაბამება სხვადასხვა ტიპის მასშტაბებს), ხოლო ზოგ შემთხვევაში, ავტორები სრულად არიან დარწმუნებულნი ამაში, რადგან ფაქტორი მოიცავს ტესტებს, რომლებიც მნიშვნელოვანია Let's Go-ის გასაუმჯობესებლად. დასაძინებლად.

იდეალურ შემთხვევაში (ცვლადი ქვედანაყოფი არ განსხვავდება ნორმალურისგან), ფაქტორული ანალიზის შედეგების ინტერპრეტაცია შეიძლება დაიბეჭდოს კორელაციური მატრიცის ანალიზიდან, შემდეგ გადავიდეთ ფაქტორების მნიშვნელობებზე (როგორც რეფერენტი არ იცვლება). მომავალი პერიოდი არის კორელაციური მატრიცის შედეგების შედგენა და ფაქტორების იდენტიფიცირება თქვენი ღირებულებების მნიშვნელობის დასადგენად. და, თურმე, ბოლო ეტაპი არის ადგილის უარყოფითი თვისებებისა და იმ ცვლადების (ნიშნის) ხასიათის ანალიზი, რომლებიც შეინიშნება, რომლებსაც შესაძლოა ყველაზე მაღალი კორელაცია ჰქონდეს ამ ფაქტორთან. ფაქტორების დასახელება ეფუძნება იმ რეფერენტული ცვლადების განსაზღვრას, რომლებსაც აქვთ მაქსიმალური მნიშვნელობა და შეიძლება ჰქონდეთ ყველაზე მაღალი კორელაცია ფაქტორთან. მაგალითად, თუ ტესტები, რომლებიც აფასებენ ფხვიერი მასალის მოპოვების ეფექტურობას, დიდ აქცენტს აკეთებენ ამ ფაქტორზე, მაშინ დარჩენილ ფაქტორს შეიძლება ეწოდოს "მექანიკური მეხსიერების" ფაქტორი.

შემტევი კონდახი ეფუძნება ბედისწერის მონაცემებს, რაც დაკავშირებულია ცხოვრებით კმაყოფილების განვითარებასთან. დავუშვათ, რომ კვება არის მიმართული დღეში 100-ჯერ, ასე რომ, ჩვენ შეგვიძლია გავიზარდოთ. ინსტრუმენტი შეიცავს 10 ქულას, რომელიც გამიზნულია სამსახურში კმაყოფილების, ჰობიებით კმაყოფილების, საშინაო ცხოვრებით და საერთო კმაყოფილების გასაზომად ცხოვრების სხვა სფეროებში. ელექტროენერგიის მიწოდებაზე პასუხები შევიდა კომპიუტერში და მასშტაბური იყო ისე, რომ ყველა პუნქტის საშუალო იყო დაახლოებით 100.

შედეგები განთავსებულია Factor.sta მონაცემთა ფაილში. ამ ფაილის გახსნა შეგიძლიათ დამატებითი ოფციის File - Open-ის გამოყენებით; სავარაუდოდ, ეს მონაცემთა ფაილი მდებარეობს /Examples/Datasets დირექტორიაში. ქვემოთ მოცემულია ამ ფაილის ცვლილებების დეტალური აღწერა (სიის სანახავად აირჩიეთ ყველა ცვლილების სპეციფიკაცია მონაცემთა მენიუდან).

მეტა ანალიზი . ანალიზის მეთოდი არის საქმიანობის სხვადასხვა სფეროში კმაყოფილების ურთიერთობის დადგენა. თუმცა, მნიშვნელოვანია გვესმოდეს ფაქტორების რაოდენობა, რომლებიც შედის საქმიანობის სხვადასხვა სფეროში და მათი მნიშვნელობა.

აირჩიეთ ანალიზი. აირჩიეთ ფაქტორული ანალიზი ანალიზის მენიუდან - Rich Exploratory Analysis ფაქტორული ანალიზის მოდულის საწყისი პანელის საჩვენებლად. დააწკაპუნეთ ღილაკზე ცვლილებები დაწყების პანელზე (ქვემოთ) და აირჩიეთ 10 ცვლილება თქვენი ფაილისთვის.

სხვა ვარიანტები . სტანდარტული ფაქტორული ანალიზის შესასრულებლად, ეს დიალოგური ფანჯარა შეიცავს ყველაფერს, რაც გჭირდებათ. აფრენისთვის სწრაფად შეხედესხვა ბრძანებები, რომლებიც ხელმისაწვდომია საწყისი პანელიდან, შეგიძლიათ აირჩიოთ კორელაციის მატრიცა (მონაცემთა ფაილის ველში) შეყვანის ფაილად. PD ველში შეგიძლიათ შეცვალოთ სტრიქონი-სტრიქონი ან წყვილი ან შუა ჩანაცვლება დაკარგული მონაცემებისთვის.

მიუთითეთ ფაქტორების დათვალიერების მეთოდი. დააჭირეთ ღილაკს OK, რათა გადახვიდეთ შემდეგ დიალოგურ ფანჯარაში სახელწოდებით Set the method for view ფაქტორები. ამ დიალოგური ფანჯრის საშუალებით შეგიძლიათ ნახოთ აღწერილობითი სტატისტიკა, აირჩიოთ მრავალჯერადი რეგრესიული ანალიზი, აირჩიოთ მეთოდი ფაქტორების სანახავად, აირჩიოთ ფაქტორების მაქსიმალური რაოდენობა, მინიმალური წონის მნიშვნელობები და სხვა. არსებობს განსხვავებები ფაქტორების დანახვის მეთოდების სპეციფიკაში. ახლა მოდით გადავიდეთ აღწერილობების ჩანართზე.

პერგლიადი აღწერითი სტატისტიკა. ახლა დააჭირეთ ღილაკს Revisit corr./middle/st. ვისი ფანჯარაა, რათა გაიხსნას ფანჯარა აღწერითი სტატისტიკის მიმოხილვა.

ახლა თქვენ შეგიძლიათ ნახოთ აღწერილობითი სტატისტიკა გრაფიკულად ან შედეგების დამატებით ცხრილში.

კორელაციის მატრიცის გაანგარიშება. დააწკაპუნეთ კორელაციების ღილაკზე დამატებითი ჩანართის გვერდით, რათა ნახოთ შედეგების ცხრილი კორელაციებით.

შედეგების ამ ცხრილში ყველა კორელაცია დადებითია და ყველა კორელაცია მნიშვნელოვანი. მაგალითად, ცვლადები Hobby_1 და Miscel_1 შეესაბამება 0.90-ს. ნებისმიერი კორელაცია (მაგალითად, კორელაცია სამსახურში კმაყოფილებასა და სახლში კმაყოფილებას შორის) საკმაოდ მცირეა. ეს ასე გამოიყურება, რადგან მატრიცას აქვს მკაფიო სტრუქტურა.

ხედვის მეთოდი. ახლა დააჭირეთ ღილაკს დაწკაპუნება დიალოგურ ფანჯარაში განხილული აღწერილობითი სტატისტიკის გადახედვა დიალოგურ ფანჯარაში დასაბრუნებლად. დააყენეთ ფაქტორების ნახვის მეთოდი. თქვენ შეგიძლიათ აირჩიოთ ნახვის რამდენიმე მეთოდიდან დამატებითი ჩანართიდან (დიალოგური ფანჯრის დამატებითი ჩანართი დააყენეთ ნახვის ფაქტორების მეთოდი კანის მეთოდის აღწერისთვის, ასევე შესავალი მიმოხილვა ძირითადი კომპონენტების მეთოდის აღწერიდან და ძირითადი ფაქტორების მეთოდი). ამ აპლიკაციაში გამოყენებულია Head Components მეთოდი სარეცხისთვის, Max ველი. ფაქტორების რაოდენობა შეიძლება დაყენდეს 10-მდე (ფაქტორების მაქსიმალური რაოდენობა თქვენი განაცხადისთვის) და Min ველი. პრივი. მნიშვნელობა არის 0 (ამ ბრძანების მინიმალური მნიშვნელობა).

ანალიზის გასაგრძელებლად დააჭირეთ ღილაკს OK.

შედეგების მიმოხილვა. თქვენ შეგიძლიათ ნახოთ ფაქტორული ანალიზის შედეგები დიალოგური ფანჯარაში Factory analysis results. ახლა აირჩიეთ დისპერსიის ახსნილი ჩანართი.

ძალაუფლების სურათები . ძალაუფლების მინიჭებული მნიშვნელობა არის მათი ფერი მხატვრისთვის, რომელსაც აქვს შექებული გადაწყვეტილება იმის შესახებ, თუ რამდენი კვალი ართმევს აღწერილობის ფაქტორებს (ინტერპრეტაციას) საწყისი გამოკვლევიდან. ახლა დააწკაპუნეთ Power Values ​​ღილაკზე, რათა გამოჩნდეს ცხრილი სიმძლავრის მნიშვნელობებით, მთლიანი დისპერსიით, დაგროვილი ტენიანობის მნიშვნელობებით და დაგროვილი მნიშვნელობებით.

როგორც ცხრილიდან ჩანს, პირველი ოფიციალური პირის რეალური მნიშვნელობა არის 6.118369; ტობტო. დისპერსიის ნაწილი, რომელიც განმარტა პირველმა ოფიციალურმა პირმა, არის დაახლოებით 61.2%. მნიშვნელოვანია აღინიშნოს, რომ აღმოჩნდა, რომ ეს მნიშვნელობები აქ ადვილად ტოლდება, ვინაიდან 10 ცვლადი ექვემდებარება ანალიზს და, შესაბამისად, ყველა მნიშვნელოვანი მნიშვნელობის ჯამი უდრის 10-ს. კიდევ ერთი ფაქტორი მოიცავს დისპერსიის დაახლოებით 18%-ს. . სხვა ოფიციალური პირები შურისძიებას ეძებენ 5%-ზე ცოტა მეტისთვისჰალალის დისპერსიები.აირჩიეთ ფაქტორების რაოდენობა. განყოფილება შესავალი მიმოხილვა მოკლედ აღწერს წონის მნიშვნელობების მოპოვების გზას კვების გასაუმჯობესებლად, რაც შეიძლება მეტი ფაქტორი შედის მოდელში. კაიზერის კრიტერიუმის შესაბამისად (Kaiser, 1960), თქვენ უნდა ჩამოართვათ ფაქტორებს მათი მნიშვნელობების დიდი 1. ზემოთ მოცემული ცხრილიდან ჩანს, რომ კრიტერიუმი იწვევს ორი ფაქტორის შერჩევას.

კრიტერიუმი კლდოვანი ვოსფისთვის . ახლა დააწკაპუნეთ ღილაკზე Stone Osipus Graph, რათა ნახოთ წყლის მნიშვნელობების გრაფიკი Quettel Osipus-ის კრიტერიუმზე დაყრდნობით (Cattell, 1966). გრაფიკი, არხები უფრო დაბალია, დაემატება სექციებით მიმდინარე მნიშვნელობების გაერთიანების მიზნით, რათა შეიქმნას კრიტერიუმი დასაწყისისთვის. კატელი გამკვრივდება, პრაიმირებული მონტე კარლოს მეთოდით, იქამდე, სადაც მისი მნიშვნელობების მუდმივი ვარდნა იზრდება და რის შემდეგაც სხვა სიმძლავრის მნიშვნელობების დონე აღმოფხვრის უეცარ „ხმაურს“. ქვემოთ მოცემულ გრაფიკზე ეს წერტილი შეიძლება შეესაბამებოდეს 2 ან 3 ფაქტორს (როგორც ნაჩვენებია ისრებით). ამიტომ სცადეთ წყენა და გაოცება, რაც უფრო ადეკვატურ სურათს იძლევა.

ახლა მოდით შევხედოთ უპირატესობის ფაქტორებს.

ქარხანა ნავანტაჟენია . როგორც აღწერილია შესავალი მიმოხილვის განყოფილებაში, ფაქტორების გავლენა შეიძლება განიმარტოს, როგორც კორელაცია ფაქტორებსა და ცვლადებს შორის. ასე რომ, სუნი ყველაზე ცუდია მნიშვნელოვანი ინფორმაცია, რომელსაც ეფუძნება ფაქტორების ინტერპრეტაცია. მაშინვე შეიძლება აღფრთოვანებული იყოს ათივე თანამდებობის პირის (არასწორი) ფაქტორული მიზიდულობით. Factor Analysis Results დიალოგური ფანჯრის ნავიგაციის ჩანართში Factor Wrapping ველში დააყენეთ მნიშვნელობა შეფუთვის გარეშე და დააწკაპუნეთ Factor Vantage ღილაკზე Vantage ცხრილის გამოსაჩენად.

ცხადია, რომ ფაქტორების რაოდენობა დაფიქსირდა ისე, რომ მიმდინარე ფაქტორები მოიცავდა სულ უფრო და უფრო ნაკლებ დისპერსიას (სექციები შესავალი მიმოხილვა). გასაკვირი არ არის, რომ პირველი ფაქტორი ყველაზე მნიშვნელოვანია. მნიშვნელოვანია, რომ ფაქტორების მიზიდულობის ნიშნები შეიძლება იყოს უფრო მნიშვნელოვანი, რათა აჩვენოს, რომ ცვლილებები იმავე ფაქტორზე გაჭიანურებულ ატრაქციონებთან ურთიერთქმედებს ამ ფაქტორთან გაჭიანურებული თანმიმდევრობით. თუმცა, თქვენ შეგიძლიათ გაამრავლოთ სვეტის ყველა უპირატესობა -1-ზე და გაზარდოთ ნიშნები. წინააღმდეგ შემთხვევაში, შედეგები უცვლელი ჩანს.

ფაქტორის ხსნარის შეფუთვა. როგორც აღწერილია განყოფილებაში შესავალი მიმოხილვა, ფაქტორების ეფექტური ორიენტაცია ფაქტორების სივრცეში საკმარისია და ფაქტორების შეფუთვაც კი ქმნის კორელაციას, ისევე როგორც სხვა შეფუთვებს. შემდეგ, ბუნებრივია, ფაქტორების როტაცია ისე, რომ შეარჩიოს უმარტივესი ფაქტორის სტრუქტურა ინტერპრეტაციისთვის. სინამდვილეში, ტერმინი არის Thurstone-ის (1947) გამოგონებისა და მნიშვნელობების მარტივი სტრუქტურა, როგორც გონების აღწერის მთავარი რანგი, თუ ფაქტორები განსაზღვრულია როგორც მაღალი მნიშვნელობის გარკვეული აქტივობებისთვის და დაბალი - სხვებისთვის, ასევე თუ არსებობს. მთელი რიგი დიდი უმთავრესი ინტერესები tazhen, tobto. ბევრი ცვლილებაა არსებითი და ერთზე მეტი ფაქტორით. მარტივი სტრუქტურის შეფუთვის ყველაზე სტანდარტული გამოთვლითი მეთოდია ვარიმაქსის შეფუთვის მეთოდი, კაიზერის პოლიმორფიზმი (Kaiser, 1958). ჰარმანის მიერ შემოთავაზებული სხვა მეთოდები (Harman, 1967) არის კვარტიმაქსი, ბიკვარტიმაქსი და ეკვიმაქსის მეთოდები (div. Harman, 1967).

ვიბირის შეფუთვა . ჯერ მოდით შევხედოთ ფაქტორების რაოდენობას, რომელთა გამოყენება გსურთ ინტერპრეტაციისთვის. ადრე ითვლებოდა, რომ ფაქტორების ყველაზე დამაჯერებელი და მიმზიდველი რაოდენობა იყო ორი, მაგრამ osp-ის კრიტერიუმიდან გამომდინარე, სავარაუდო იყო, რომ სამი ფაქტორის მქონე ამონახსნებიც მართებული იყო. დააწკაპუნეთ Scroll ღილაკზე დიალოგური ფანჯრის გასახსნელად. დააყენეთ ფაქტორების ნახვის მეთოდი და შეცვალეთ ველი Swidky დეპოზიტში ფაქტორების მაქსიმალური რაოდენობა 10-დან 3-მდე, შემდეგ დააჭირეთ ღილაკს OK ანალიზის გასაგრძელებლად.

ახლა შეგვიძლია გადავახვიოთ varimax მეთოდით. ფაქტორების ანალიზის შედეგების დიალოგური ფანჯრის ნავიგაციის ჩანართში, ფაქტორების შეფუთვაში, დააყენეთ Weekend Varimax.

დააწკაპუნეთ Factory Vanishing ღილაკზე, რათა აჩვენოთ Factory Vanishings-ის შედეგები ცხრილში.

გადაწყვეტილების ასახვა სამი ფაქტორის გაერთიანებისას. ცხრილი გვიჩვენებს ზოგად აქცენტს პირველ ფაქტორზე ყველა ცვლილებისთვის, მათ შორის იმ ცვლილებებისთვის, რომლებიც დღის წინ დევს. მე-2 ფაქტორმა შეიძლება გაზარდოს მნიშვნელობის მნიშვნელობა ყველა ცვლილებისთვის, მათ შორის სამსახურში კმაყოფილებასთან დაკავშირებული ცვლილებებისთვის. ფაქტორ 3-ს აქვს მხოლოდ ერთი მნიშვნელობა Home_1 ცვლადისთვის. ის ფაქტი, რომ მესამე ფაქტორი ძალზე მნიშვნელოვანია, აინტერესებს, რატომ ვერ მივიღებთ ასეთ კარგ შედეგს მესამე ფაქტორის გარეშე?

გადახედეთ გადაწყვეტილებას, როდესაც ორი ფაქტორი გაერთიანებულია . კვლავ დააწკაპუნეთ ღილაკზე არჩევა Factor Analysis Results დიალოგურ ფანჯარაში, რათა დაბრუნდეთ ფაქტორების ნახვის მეთოდის მითითება დიალოგურ ფანჯარაში. შეცვალეთ მაქსიმალური რაოდენობის ფაქტორების ველი შვიდკის ჩანართში 3-დან 2-მდე და დააწკაპუნეთ OK-ზე, რათა გადახვიდეთ ფაქტორების ანალიზის შედეგების დიალოგურ ფანჯარაში. ნავიგაციის ჩანართში Factor rotation ველში დააყენეთ Varimax გამომავალი მნიშვნელობა და დააწკაპუნეთ ღილაკზე Vantage Factor.

ფაქტორ 1-ს, როგორც ცხრილიდან ჩანს, უდიდესი მნიშვნელობა აქვს მათთვის, ვინც კმაყოფილია თავისი მუშაობით. ყველაზე ნაკლებად მნიშვნელოვანია მათთვის, ვინც კმაყოფილია საწოლით. სხვა მოსაზრებები იძენს შუალედურ მნიშვნელობებს. მეორე ფაქტორს შეიძლება ჰქონდეს ყველაზე დიდი მნიშვნელობა სამუშაო ადგილზე კმაყოფილებასთან დაკავშირებული ცვლილებებისთვის, სამსახურში კმაყოფილების დაბალი მნიშვნელობა და სხვა ცვლილებებისთვის საშუალო მნიშვნელობა.

ორფაქტორიანი შეფუთვის ხსნარის ინტერპრეტაცია . როგორ შეიძლება ამ მოდელის ინტერპრეტაცია? ყველაფერი ასე გამოიყურება, რადგან ორი ფაქტორი ყველაზე მკაფიოდ იდენტიფიცირებულია, როგორც სამუშაოთი კმაყოფილების ფაქტორი (ფაქტორი 1) და კმაყოფილების ფაქტორი საშინაო ცხოვრებით (ფაქტორი 2). კმაყოფილება საკუთარი ჰობიებით და ცხოვრების სხვადასხვა ასპექტებით, როგორც ჩანს, ორივე ფაქტორით არის განპირობებული. ეს მოდელი გადმოსცემს ნათელ განცდას, რომ სამუშაო და საშინაო ცხოვრებით კმაყოფილება, ამ არჩევანთან ერთად, შეიძლება იყოს ერთმანეთისგან დამოუკიდებელი, მაგრამ უკმაყოფილებას შეუძლია ხელი შეუწყოს კმაყოფილებას ცხოვრების სხვა ასპექტებით.

გადაწყვეტილების დიაგრამა ორი ფაქტორის ერთობლიობის საფუძველზე . ორი ფაქტორის დისპერსიის დიაგრამების დასახატად დააწკაპუნეთ ღილაკზე ნავიგაციის გრაფიკი 2M დიალოგური ფანჯრის ნავიგაციის ჩანართში ფაქტორული ანალიზის შედეგები. ქვემოთ ნაჩვენები დიაგრამა უბრალოდ აჩვენებს კანის ცვლილებების ორ ვარიანტს. გთხოვთ გაითვალისწინოთ, რომ განაწილების დიაგრამა კარგად ასახავს ორ დამოუკიდებელ ფაქტორს და 4 ცვლადს (Hobby_1, Hobby_2, Miscel_1, Miscel_2) გადაფარვითი მნიშვნელობებით.

ახლა ვნახოთ, რამდენად კარგად შეიძლება აშენდეს კვარიაციის მატრიცა, რომელიც იცავს ორფაქტორიანი გადაწყვეტილებებისგან.

შეიქმნა ზედმეტი კორელაციის მატრიცა. დააწკაპუნეთ ღილაკზე Created excess correlations in Variance განმარტებული ჩანართში, რათა ნახოთ ორი ცხრილი შექმნილი კორელაციის მატრიცით და ჭარბი კორელაციების მატრიცით (შექმნილ კორელაციების გამოკლებით, ვაფრთხილებ, რომ იყოს).

ზალიშკოვის კორელაციების ცხრილის ჩანაწერები შეიძლება განიმარტოს, როგორც კორელაციების „ჯამად“, რომლისთვისაც შეუძლებელია ორი ფაქტორის გამოყოფა. ბუნებრივია, მატრიცის დიაგონალური ელემენტები ექვემდებარება სტანდარტულ მოდიფიკაციას, ვინაიდან შეუძლებელია მსგავსი ფაქტორების შეესაბამებოდეს კვადრატული ფესვი ერთის გამოკლებული ორი ფაქტორის ფარდობითი სიძლიერე. , რაც აიხსნება შერჩეული ფაქტორების რაოდენობით). თუ ყურადღებით დააკვირდებით ამ მატრიცას, ხედავთ, რომ აქ ფაქტობრივად არ არის ჭარბი კორელაციები, დიდი 0,1 ან -0,1-ზე ნაკლები (სინამდვილეში, მხოლოდ მათი მცირე რაოდენობაა ამ მნიშვნელობასთან ახლოს). აღსანიშნავია, რომ პირველი ორი ფაქტორი მოიცავს მთლიანი დისპერსიის დაახლოებით 79%-ს (შედეგების ცხრილში მთლიანი მნიშვნელობების დაგროვების პროცენტი).

შორეული უკანალის „საიდუმლო“. . კონდახი, რომელიც საფუძვლიანად გაქვთ გაწვრთნილი, რეალურად იძლევა ორფაქტორიანი დიზაინის უმაღლეს დონეს, იდეალურთან ახლოს. ეს წარმოადგენს დისპერსიის უფრო დიდ ნაწილს, რომელსაც აქვს გონივრული ინტერპრეტაცია და აწარმოებს კორელაციური მატრიცას ზომიერი კორელაციებით (გადაჭარბებული კორელაციები). სინამდვილეში, რეალური მონაცემები იშვიათად იძლევა ასეთი მარტივი გადაწყვეტის წაშლის საშუალებას და ფაქტობრივად, ეს ანონიმური მონაცემები ამოღებულია დამატებითი შემთხვევითი რიცხვების გენერატორის გამოყენებით, ნორმალური გაყოფით, რომელიც ხელმისაწვდომია სისტემაში. განსაკუთრებული წესით „დანერგილი იქნა“ ორი ორთოგონალური (დამოუკიდებელი) ფაქტორი, რამაც წარმოქმნა კორელაცია ცვლადებს შორის. ფაქტორული ანალიზის ეს მეთოდი შედგება ორი ფაქტორისგან, როგორიცაა სამუშაოთი კმაყოფილების ფაქტორი და სახლის ცხოვრებით კმაყოფილების ფაქტორი. ამგვარად, თუ ობიექტი (და არა ცალ-ცალკე, როგორც კონდახი, მონაცემები) აერთიანებდა ორ ფაქტორს, მაშინ თქვენ, მათი დანახვით, შეგეძლოთ მეტი გაიგოთ ობიექტის ფარული ან ფარული სტრუქტურის შესახებ.

სხვა შედეგები . უპირველეს ყოვლისა, მოდით გავაკეთოთ რამდენიმე მოკლე კომენტარი, სანამ სხვა შედეგებს არ მიიღებთ.

პარტნიორობა . გადაწყვეტილების სირთულის მოსაშორებლად დააჭირეთ ჩანართში Strength ღილაკს.ახსნილია დიალოგური ფანჯრის დისპერსია ფაქტორული ანალიზის შედეგები. ნათელია, რომ ცვლადის თანმიმდევრულობა არის დისპერსიის ის ნაწილი, რომელიც შეიძლება შეიქმნას მოცემული რაოდენობის ფაქტორებისთვის. ფაქტორების სივრცის შეფუთვა გავლენას არ ახდენს სიძლიერის ოდენობაზე. ერთი ან ორი ცვლადის ძალიან დაბალი სიძლიერე (რომლებიც ბევრია ანალიზში) შეიძლება მიუთითებდეს, რომ ცვლილებების ფასი კარგად არ არის ახსნილი მოდელით.

კოეფიციენტების მნიშვნელობა. ფაქტორების კოეფიციენტები შეიძლება გამოყენებულ იქნას კანის გამაფრთხილებელი ფაქტორების მნიშვნელობის გამოსათვლელად. თავად კოეფიციენტები ნაკლებად საინტერესოა, რაც დამოკიდებულია კოეფიციენტის ფაქტორულ მნიშვნელობაზე შემდგომი ანალიზის დროს. კოეფიციენტების საჩვენებლად დააწკაპუნეთ ღილაკზე Factor Value Coefficients მნიშვნელობების ჩანართში Factor Analysis Results დიალოგურ ფანჯარაში.

ფაქტორების მნიშვნელობა. ფაქტორების მნიშვნელობები შეიძლება ჩაითვალოს, როგორც ზუსტი მნიშვნელობები რესპონდენტის კანის ნიმუშისთვის (ანუ გამომავალი მონაცემების ცხრილის კანის ტესტისთვის). ღილაკი Factor Values ​​მნიშვნელობების დიალოგში ფაქტორების ანალიზის შედეგები საშუალებას გვაძლევს გამოვთვალოთ ფაქტორების მნიშვნელობები. ამ მნიშვნელობების შენახვა შესაძლებელია ღილაკზე Save Values-ის შემდგომ დაჭერისთვის.

ბოლო კომენტარი. ფაქტორული ანალიზი რთული პროცედურაა. კოჟენი, რომელიც მუდმივად ვიკორისტია ფაქტორული ანალიზიბევრი (მაგალითად, 50 ან მეტი) ცვლილებების შემთხვევაში, შეიძლება არსებობდეს „პათოლოგიური ქცევის“ მრავალი გამოყენება, როგორიცაა: ნეგატიური გავლენები და გაუგებარი გადაწყვეტილებები, სპეციალური მატრიცები და ა.შ. თუ თქვენ ეყრდნობით ფაქტორულ ანალიზს მნიშვნელოვანი ფაქტორების იდენტიფიცირებისთვის ცვლადების დიდი რაოდენობით, ყურადღებით უნდა გაითვალისწინოთ მოხსენების წიგნი(მაგალითად, ჰარმანის წიგნი (Harman, 1968)). ამრიგად, ფაქტორების ანალიზის რამდენიმე კრიტიკული გადაწყვეტილება სუბიექტური ხასიათისაა (ფაქტორების რაოდენობა, შეფუთვის მეთოდი, მნიშვნელობის ინტერპრეტაცია), მოემზადეთ მანამ, სანამ მკაფიო მტკიცებულება დაგჭირდებათ, პირველ რიგში გრძნობთ, რომ ვიღაცას უმღერით. ბიზნეს განყოფილებების ფაქტორული ანალიზის მოდული სპეციალურად შექმნილია იმისთვის, რომ მომხმარებელს გაუადვილოს ინტერაქტიული ინტერაქცია. სხვადასხვა ნომრებშიფაქტორები, შეფუთვები და ა.შ., რათა სცადოთ და შევადაროთ სხვადასხვა გადაწყვეტილებები.

ეს კონდახი აღებულია მოწინავე PPP სისტემიდან სტატისტიკა StatSoft-ის მიერ

ფაქტორული ანალიზი არის მათემატიკური სტატისტიკის ბირთვი. Yogo Tsili, yak მე შევხვდი მათემატიკურ სტატისტიკას, პოლეგებს როსრობცის მოდელებიდან, რათა გავიგოთ მეთოდი, დაუშვან Dannya-ს sprinklers-ის ანალიზის masivi, Fizynikovo Forma Forma.

ექსპერიმენტული მონაცემების წარმოდგენის ერთ-ერთი ყველაზე ტიპიური ფორმაა მატრიცა, რომლის სვეტები წარმოადგენს სხვადასხვა პარამეტრებს, ავტორიტეტებს, ტესტებს და ა. პარამეტრის მნიშვნელობები. სინამდვილეში, მატრიცის ზომები საკმაოდ დიდი ჩანს: ამრიგად, ამ მატრიცის მწკრივების რაოდენობა შეიძლება მერყეობდეს რამდენიმე ათეულიდან რამდენიმე ასეულ ათასამდე (მაგალითად, სოციოლოგიურ გამოთვლებში), ხოლო სვეტების რაოდენობა შეიძლება იყოს ერთიდან. - ორასი. ამ ზომის მატრიცის პირდაპირი, „ვიზუალური“ ანალიზი შეუძლებელია, ამიტომ მათემატიკური სტატისტიკაში უამრავი მიდგომა და მეთოდი გამოიყენება მატრიცაში მოთავსებული გამომავალი ინფორმაციის „შეკუმშვისთვის“, სანამ ის ხელმისაწვდომი იქნება ზომის მიხედვით. გამომავალი ინფორმაციისგან ამოიღეთ რაც შეიძლება მეტი ", გადაყარეთ "სხვა რიგში", "ზედიზედ".

მატრიცული ფორმით წარმოდგენილი მონაცემების გაანალიზებისას ჩნდება ორი ტიპის დავალება. პირველი ტიპის ამოცანები შეიძლება მოიცავდეს ობიექტების ქვეჯგუფის „მოკლე აღწერილობის“ შექმნას, ხოლო მეორე ტიპის ამოცანებმა შეიძლება გამოავლინოს პარამეტრებს შორის ურთიერთქმედება.

მნიშვნელოვანია გვახსოვდეს, რომ დავალების მნიშვნელობების გამოჩენის მთავარი სტიმული მდგომარეობს არა მხოლოდ რიცხვების დიდი მასივის მოკლედ დაშიფვრის სურვილში, არამედ ბევრად უფრო დიდ პრინციპულ გარემოში, რაც მეთოდოლოგიურ ხასიათს ატარებს: თუ ეს იყო შესაძლებელია მოკლედ აღვწეროთ რიცხვების დიდი მასივი, მაშინ ჩვენ შეგვიძლია ფაქტობრივად, რაც ვლინდება არის მელოდიური ობიექტური კანონზომიერება, რაც შესაძლებელს ხდის მოკლე აღწერას; ობიექტური შაბლონების ძიებაც კი არის მთავარი მეთოდი, რომლისთვისაც, როგორც წესი, ხდება მონაცემების შეგროვება.

მონაცემთა მატრიცის დამუშავების ცნობილი მიდგომები და მეთოდები განსხვავდება იმის მიხედვით, თუ რა ტიპის მონაცემთა დამუშავება უნდა განხორციელდეს და, შესაბამისად, სანამ რა ზომის მატრიცა არ დარჩება.

რაც შეეხება პარამეტრებს შორის კავშირის მოკლე აღწერილობის პრობლემას ამ პარამეტრების საშუალო რაოდენობასთან, მაშინ ამ შემთხვევაში მკაფიო კორელაციური მატრიცა შეიცავს რამდენიმე ათეულს ან ასობით რიცხვს და თავად არ შეიძლება იყოს "მოკლე" რა არის. პარამეტრებს შორის არსებითი კავშირების აღწერა და ამაში დამნაშავეა შემდგომი დამუშავებისთვის დამორჩილებით.

ფაქტორული ანალიზი განისაზღვრება, როგორც მოდელებისა და მეთოდების ერთობლიობა, რომელიც გამოიყენება ინფორმაციის „შეკუმშვისთვის“, რომელიც ჯდება კორელაციის მატრიცაში. სხვადასხვა ფაქტორული ანალიზის მოდელების საფუძველია შემდეგი ჰიპოთეზა: დაცული ან სიმულირებული პარამეტრები და არა გამოკვლეული ობიექტის ან ფენომენის არაპირდაპირი მახასიათებლები, რეალურად არის შიდა (პირდაპირ აღებული) პარამეტრები ან სიმძლავრე, რომელთა რაოდენობაც არსებობს რამდენიმე ნიშანი, რომელიც მიუთითებს. დაცული პარამეტრების მნიშვნელობები. ამ შიდა პარამეტრებს ჩვეულებრივ ფაქტორებს უწოდებენ. ფაქტორული ანალიზის ამოცანაა პარამეტრების წარმოდგენა, როგორც თანამდებობის პირების ხაზოვანი კომბინაციები და, შესაძლოა, ზოგიერთი დამატებითი, „არარეალური“ სიდიდე - „გადაწერა“. რა გასაკვირია ის ფაქტი, რომ, თუმცა თავად ფაქტორები უცნობია, ასეთი განაწილება შეიძლება უარყოფილი იყოს და მითუმეტეს ასეთი თანამდებობის პირების გათვალისწინება. კანის ობიექტისთვის შეიძლება მიეთითოს კანის ფაქტორის მნიშვნელობა.

ფაქტორული ანალიზი, განურჩევლად მეთოდებისა, იწყება ურთიერთკორელაციური ცხრილის დამუშავებით, დამოუკიდებელი ტესტების საფუძველზე, რის შედეგადაც წარმოიქმნება კორელაციური მატრიცა და მთავრდება ფაქტორების მატრიცის წარმოებით, შემდეგ. ცხრილი, რომელიც აჩვენებს კანის ტესტის ფაქტორების მნიშვნელობას. ცხრილი 1 არის ჰიპოთეტური ფაქტორის მატრიცა, რომელიც მოიცავს მხოლოდ ორ ფაქტორს.

ფაქტორები განიხილება ცხრილის ზედა სტრიქონში ყველაზე მნიშვნელოვანიდან ყველაზე ნაკლებად მნიშვნელოვანამდე და მათი კანის ტესტები 10 ტესტისთვის მოცემულია მსგავს პუნქტებში.

ცხრილი 1

ჰიპოთეტური ფაქტორების მატრიცა

საკოორდინაციო ღერძები.ჩვეულებრივია ფაქტორების გეომეტრიულად წარმოდგენა, როგორც კოორდინატთა ღერძები, ასე რომ ზოგიერთი სკინგის გამოყენება შესაძლებელია გამოსახულების წერტილებად შესამოწმებლად. ბრინჯი. 1 განმარტავს ამ პროცედურას. კანის ამ გრაფიკზე 1-ში ჩატარებული 10 ტესტიდან შეგიძლიათ იხილოთ ორი ფაქტორის წერტილები, რომლებიც შეესაბამება I და II ღერძებს. ამრიგად, ტესტი 1 წარმოადგენს წერტილს კოორდინატებით 0.74 ღერძი I და 0.54 ღერძი II. ქულები, რომლებიც წარმოადგენს 9 ტესტის შედეგებს, გენერირებულია ანალოგიურად, იგივე მნიშვნელობებით, როგორც ცხრილში. 1.

გთხოვთ გაითვალისწინოთ, რომ კოორდინატთა ღერძების პოზიციები არ არის დაფიქსირებული მონაცემებით. გამომავალი კორელაციის ცხრილი აჩვენებს ტესტების პოზიციას (პუნქტი ნახ. 1-ში) shodo one of one.იგივე წერტილები შეიძლება განთავსდეს სიბრტყეზე, კოორდინატთა ღერძების პოზიციიდან გამომდინარე. ამ მიზეზების გამო, ფაქტორული ანალიზის ჩატარებისას, განიხილეთ ცულების შეფუთვა, სანამ არ იპოვით ყველაზე სასიამოვნო და ინტერპრეტაციას სურათს.

ბრინჯი. 1. ჰიპოთეტური ფაქტორული ანალიზი, რომელიც გვიჩვენებს განსხვავებას კანის ორ ჯგუფურ ფაქტორს შორის 10 ტესტში.

ნახ. 1 აფრენა I" და II" ღერძის შეფუთვის შემდეგ, რომელიც ნაჩვენებია წერტილოვანი ხაზებით. ეს შეფუთვა შეესაბამება Thurstone-ის მიერ დადგენილ კრიტერიუმებს. დადებითი მრავალფეროვნება და მარტივი სტრუქტურა.პირველი გადააქვს ცულების შეფუთვას სცენაზე, რომელშიც ყველა მნიშვნელოვანი უარყოფითი ასპექტი გამორთულია. ფსიქოლოგთა უმეტესობა თვლის, რომ უარყოფითი ფაქტორების აქცენტი ლოგიკურად შეუსაბამოა უნარების ტესტებთან, რაც ნიშნავს, რომ რაც უფრო მაღალია ინდივიდის ქულა კონკრეტულ ფაქტორზე, მით უფრო დაბალია შედეგი თვისების ტესტისთვის. მარტივი სტრუქტურის კრიტერიუმი, არსებითად, ნიშნავს, რომ კანის ტესტი განპირობებულია უმცირესი ფაქტორების გავლენით.

ოფიციალური პირები წარმოადგენენ ორივე კრიტერიუმის შეჯამებას, რომელიც შეიძლება ადვილად და ცალსახად იქნას განმარტებული. ვინაიდან ტესტს აქვს მაღალი გავლენა ერთ ფაქტორზე და არ აქვს მნიშვნელოვანი გავლენა სხვა ფაქტორებზე, ჩვენ შეგვიძლია გავარკვიოთ იმ ფაქტორის ბუნება, რომელმაც შეცვალა ეს ტესტი. თუმცა, ვინაიდან ტესტს აქვს საშუალო ან დაბალი ქულები ექვს ფაქტორზე, ის ცოტას გვეუბნება რომელიმე მათგანის ბუნებაზე.

ნახ. 1 აშკარად ჩანს, რომ კოორდინატთა ღერძების შეფუთვის შემდეგ ყველა ვერბალური ტესტი (1-5) ბრუნავს თანაბრად ან თუნდაც ახლოს „I“ ღერძთან, ხოლო რიცხვითი ტესტები (6-10) მჭიდროდ არის დაჯგუფებული II ღერძის გარშემო. nuth. ცულები, ნაჩვენებია ცხრილში 2. მე-2 ცხრილის მნიშვნელობის ფაქტორებს აქვთ არა უარყოფითი მნიშვნელობები, არამედ უმნიშვნელოდ მცირე მნიშვნელობები, რომლებიც აშკარად შეესაბამება შერჩევის მონაცემებს. ყველა ვერბალური ტესტი აჩვენებს დიდ მნიშვნელობას I ფაქტორისთვის და თითქმის ნულოვანი ფაქტორისთვის. II." თუმცა ციფრულ ტესტებს აქვს დიდი მნიშვნელობა II ფაქტორისთვის და უმნიშვნელოდ დაბალი მნიშვნელობის I ფაქტორისთვის. ამრიგად, კოორდინატთა ღერძების შეფუთვამ არსებითად გაამარტივა ორივე ფაქტორის იდენტიფიკაცია და დასახელება, ასევე ფაქტორების შემადგენლობის აღწერა. კანის ტესტის ფაქტორები ხშირად ჩნდება ორზე მეტი, რაც, ცხადია, ართულებს მის გეომეტრიულ გამოვლინებებს და სტატისტიკურ ანალიზს, მაგრამ არ ცვლის მოცემული პროცედურის არსს.

ცხრილი 2

ფაქტორების მატრიცა შეფუთვის შემდეგ

შთამომავლების საქმიანობა ეფუძნება თეორიულ მოდელს, როგორც ცულების შეფუთვის პრინციპს. გარდა ამისა, უნდა გავითვალისწინოთ იგივე ფაქტორების უცვლელობა და დადასტურება დამოუკიდებელ თუ განახლებულ კვლევებში.

თანამდებობის პირების ინტერპრეტაცია.ფაქტორების ამოხსნის (ან, მარტივად რომ ვთქვათ, ფაქტორების მატრიცის) შეფუთვის პროცედურაზე ზრუნვის შემდეგ, შეგვიძლია გადავიდეთ ფაქტორების ინტერპრეტაციაზე და დასახელებაზე. მუშაობის ეს ეტაპი სულ უფრო მეტად მოითხოვს ფსიქოლოგიურ ინტუიციას, ვიდრე სტატისტიკურ მომზადებას. იმისათვის, რომ გავიგოთ კონკრეტული ფაქტორის ბუნება, ჩვენ არაფერი გვაკლდება, გარდა იმისა, რომ გამოვავლინოთ ტესტები, რომლებსაც ამ ფაქტორისთვის დიდი მნიშვნელობა აქვთ და ვცდილობთ გამოვავლინოთ მათთვის დამალული ფსიქოლოგიური პროცესები. რაც უფრო მეტი ტესტია გამოვლენილი ამ ფაქტორისთვის, მით უფრო ადვილია მისი ბუნების გამოვლენა. 3 მაგიდა 2, მაგალითად, მაშინვე ნათელია, რომ I ფაქტორი არის „ვერბალური“, ხოლო II ფაქტორი რიცხვითი. გადაიტანეთ მაგიდაზე. 2 ფაქტორული გავლენა ასახავს კანის ტესტის კორელაციას ფაქტორთან.

ფაქტორული ანალიზი

ფაქტორული ანალიზის იდეა

რთული ობიექტების, ფენომენების, ფაქტორების სისტემების გამოკვლევისას, რომლებიც ამ ობიექტების ძალას აღნიშნავენ, ხშირად შეუძლებელია მათი სრული კონტროლი, ზოგჯერ კი უცნობია მათი რაოდენობისა და ადგილის მითითება. თუმცა, სხვა რაოდენობები შეიძლება იყოს ხელმისაწვდომი ვიბრაციისთვის, რადგან ისინი ან სხვაგვარად დევს ჩვენთვის მნიშვნელოვან ფაქტორებში. უფრო მეტიც, თუ უცნობი ფაქტორის შემოდინება, რომელიც გავლენას ახდენს ჩვენზე, გამოიხატება ობიექტის რამდენიმე გადაშენებულ ნიშანში და ძალაში, ამ ნიშნებს შეუძლიათ გამოავლინონ მჭიდრო კავშირი ერთმანეთთან და ფაქტორების ფარული რაოდენობა შეიძლება იყოს სასარგებლო, ვიდრე ნაკლები, ნაკლები გადაშენებული სახეობა.

იმ ფაქტორების იდენტიფიცირებისთვის, რომლებიც მითითებულია ობიექტების ჩამქრალი ნიშნებით, გამოიყენება ფაქტორების ანალიზის მეთოდები.

ფაქტორული ანალიზის მაგალითზე შეიძლება მიუთითებდეს ფსიქოლოგიური ტესტების საფუძვლის სპეციფიკის მნიშვნელობაზე. ძლიერი თავისებურებები პირდაპირ გამოხატვას არ ექვემდებარება. მათი შეფასება შესაძლებელია მხოლოდ პიროვნების ქცევით და მათი დიეტის ბუნებით. კვლევის შედეგების ასახსნელად ისინი ექვემდებარებიან ფაქტორულ ანალიზს, რაც საშუალებას გვაძლევს გამოვავლინოთ ის სპეციფიკური ძალები, რომლებიც გავლენას ახდენენ ინდივიდის ქცევაზე.
ძირითადად სხვადასხვა მეთოდებიფაქტორების ანალიზს მივყავართ ჰიპოთეზამდე: მონიტორინგი და გაზომილი პარამეტრები არ არის შუამავალი საკვლევი ობიექტის მახასიათებლებით, მაგრამ რეალურად ჩნდება შიდა (მიმაგრებული, ლატენტური, დაუცველი) პარამეტრები და სიმძლავრე. , რომელთა რაოდენობა მცირეა და მიუთითებს მნიშვნელობებზე. დაცული პარამეტრებიდან. ამ შიდა პარამეტრებს ჩვეულებრივ ფაქტორებს უწოდებენ.

მეტაფაქტორული ანალიზი - გამომავალი ინფორმაციის კონცენტრირება, გაანალიზებული ნიშნების დიდი რაოდენობის გამოხატვა ფენომენის უფრო მცირე რაოდენობის დიდი შინაგანი მახასიათებლების მეშვეობით, რაც, პროტესტულად, არ არის მგრძნობიარე საშუალო სამყაროს მიმართ.

დადგენილია, რომ ოკულტური ფაქტორების დონის მონიტორინგი და მონიტორინგი შესაძლებელს ხდის ობიექტის მოწინავე სტადიების იდენტიფიცირებას დეფექტის განვითარების ადრეულ ეტაპზე. ფაქტორული ანალიზი შესაძლებელს ხდის სხვა პარამეტრებს შორის კორელაციების სტაბილურობის დადგენას. თავად კორელაციები პარამეტრებს შორის, ისევე როგორც პარამეტრებსა და ძირითად ფაქტორებს შორის, იძლევა ძირითად დიაგნოსტიკურ ინფორმაციას პროცესების შესახებ. Statistica პაკეტის ინსტრუმენტების გამოყენება ფაქტორული ანალიზის განხორციელებისას მოიცავს დამატებითი გამოთვლითი ინსტრუმენტების საჭიროებას და ანალიზის მკვლევარისთვის მკაფიოდ და გასაგებად შესრულებას.

ფაქტორული ანალიზის შედეგები წარმატებული იქნება, თუ შესაძლებელი იქნება ფაქტორების დასკვნების ინტერპრეტაცია ამ ფაქტორების დამახასიათებელი ინდიკატორების მნიშვნელობიდან გამომდინარე. მუშაობის ეს ეტაპი საკმაოდ დამაჯერებელია; ის მოითხოვს ანალიზამდე მიღებული ინდიკატორების ადგილის მკაფიო მითითებას და იმის საფუძველს, რაც დაინახეს თანამდებობის პირებმა. ამიტომ, ფაქტორული ანალიზისთვის ინდიკატორების წინასწარი შერჩევისას, კვალი იცვლება მათით და არ ტარდება მანამ, სანამ ანალიზში არ შედის მათი უდიდესი რაოდენობა.

ფაქტორული ანალიზის არსი

წარმოგიდგენთ ფაქტორული ანალიზის რამდენიმე ძირითად პრინციპს. მიესალმები მატრიცას Xობიექტის ცვლადი პარამეტრების საფუძველია კოვარიატული (კორელაციური) მატრიცა C, დე რ- პარამეტრების რაოდენობა, ნ- ნომერს გაუფრთხილდი. ხაზოვანი ტრანსფორმაციის გზა X=QY+უთქვენ შეგიძლიათ შეცვალოთ გამომავალი ფაქტორების სივრცის ზომა Xდონემდე ი, როდესაც რ"<<რ. ეს მიუთითებს წერტილის ტრანსფორმაციაზე, რომელიც ახასიათებს ობიექტის მდგომარეობას ჯ-მშვიდობიანი სივრცე, უფრო მცირე ზომის სამყაროების ახალ სივრცეში რცხადია, ახალ ფაქტორულ სივრცეში ორი ან უპიროვნო წერტილის გეომეტრიული სიახლოვე ნიშნავს ობიექტის სტაბილურობას.

მატრიცა იიდენტიფიცირება ფაქტორები, რომლებიც არ არის გათვალისწინებული, რომლებიც არსებითად არის ჰიპერპარამეტრები, რომლებიც ახასიათებენ გაანალიზებული ობიექტის უდიდეს ფარულ ძალას. უცხოელი ოფიციალური პირები ყველაზე ხშირად ირჩევენ სტატისტიკურად დამოუკიდებელ პირებს, რაც ამარტივებს მათ ფიზიკურ ინტერპრეტაციას. ვექტორული ნიშანი სიფრთხილე Xშესაძლებელია ამ ჰიპერპარამეტრების შეცვლის შედეგების გაგება.

მატრიცა უშედგება ჭარბი ფაქტორებისგან, რომელიც მოიცავს ძირითადად ნიშნის აღმოფხვრას x(მე). მართკუთხა მატრიცა ქმოათავსეთ ფაქტორული აქცენტი, რომელიც მიუთითებს ხაზოვან კავშირზე ნიშნებსა და ჰიპერპარამეტრებს შორის.
მნიშვნელობის ფაქტორებია კოეფიციენტების მნიშვნელობა კანის ნიშნებისა და კანის სიმპტომების კორელაციისთვის. რაც უფრო მჭიდროა კავშირი მოცემულ ნიშანსა და გაანალიზებულ ფაქტორს შორის, მით უფრო დიდია ფაქტორების მნიშვნელობის მნიშვნელობა. ფაქტორების უპირატესობის დადებითი ნიშანი მიუთითებს პირდაპირ (და უარყოფითი ნიშანი - საპირისპირო) კავშირზე მოცემულ ნიშანსა და ფაქტორს შორის.

ამრიგად, მონაცემები ფაქტორების ჩართულობის შესახებ საშუალებას გვაძლევს ჩამოვაყალიბოთ პრინციპები გამომავალი ნიშნების ნაკრების შესახებ, რომელიც ასახავს სხვა ფაქტორს, და კანის ფაქტორის სტრუქტურაში მიმდებარე ნიშნების ხილვადობის შესახებ.

ფაქტორული ანალიზის მოდელი მსგავსია მრავალვარიანტული რეგრესიის და დისპერსიული ანალიზის მოდელის. ფაქტორული ანალიზის მოდელის ფუნდამენტური მნიშვნელობა იმაში მდგომარეობს, რომ ვექტორი Y არის ფაქტორი, რომელიც არ არის გათვალისწინებული, ხოლო რეგრესიულ ანალიზში ეს არის პარამეტრის რეგისტრაცია. ხაზის მარჯვენა მხარეს (8.1) არის უცნობი უცნობიები: Q ფაქტორების მატრიცა და Y ფაქტორების მნიშვნელობის მატრიცა.

ფაქტორების მატრიცის საპოვნელად, ვიკორისტული დონეა QQ t = S–V, სადაც Q t არის ტრანსპონირებული მატრიცა Q, V არის U ჭარბი ფაქტორების მიდგომების მატრიცა, შემდეგ. . განტოლება განისაზღვრება განმეორებით, როდესაც მითითებულია V(0) კოვარიანტული მატრიცის გარკვეული ნულოვანი სიახლოვე. Q ფაქტორების გავლენის მატრიცის პოვნის შემდეგ, ძირითადი ფაქტორები (ჰიპერპარამეტრები) გამოითვლება ტოლებისთვის.
Y=(Q t V -1)Q -1 Q t V -1 X

სტატისტიკური ანალიზის პაკეტი Statistica საშუალებას გაძლევთ ინტერაქტიულად გამოთვალოთ ფაქტორების გავლენის მატრიცა, ისევე როგორც რამდენიმე სხვა ძირითადი ფაქტორების მნიშვნელობები, ყველაზე ხშირად გამომავალი პარამეტრის მატრიცის პირველი ორი ძირითადი კომპონენტი.

ფაქტორული ანალიზი Statistica სისტემაში

ბიზნეს პრაქტიკოსთა კითხვარი გამოკითხვის შედეგების ანალიზიდან გადავხედოთ ფაქტორული ანალიზის ისტორიას. აუცილებელია გამოვლინდეს ძირითადი თანამდებობის პირები, რომლებიც აღნიშნავენ სამუშაო ცხოვრების სიხარულს.

პირველ ეტაპზე აუცილებელია ფაქტორული ანალიზისთვის ცვლადების შერჩევა. ვიკორისტული და კორელაციური ანალიზით, მკვლევარს შეუძლია დაადგინოს შემდეგი ნიშნების ურთიერთკავშირები, რაც, თავის მხრივ, შესაძლებელს ხდის ნიშნების ახალი და გადაჭარბებული დაგროვების დანახვას ძლიერ კორელაციური ნიშნების გაერთიანებით.

თუ ფაქტორული ანალიზი ჩატარდება ყველა ცვლადზე, შედეგები შეიძლება არ იყოს მთლიანად ობიექტური, რადგან ზოგიერთი ცვლადი განისაზღვრება სხვა მონაცემებით და ვერ რეგულირდება ორგანიზაციის ექსპერტების მიერ.

იმის გასაგებად, თუ რომელი კვალის ინდიკატორი უნდა ჩართოთ, ჩვენ გადავხედავთ კორელაციის კოეფიციენტის მატრიცას Statistica-ში: სტატისტიკა/ ძირითადი სტატისტიკა/ კორელაციის მატრიცები/ Ok. პროდუქტის მომენტისა და ნაწილობრივი კორელაციების პროცედურის დაწყების ფანჯარაში (ნახ. 4.3) კვადრატული მატრიცის გაფართოების ღილაკი ნაჩვენებია ერთი ცვლადი სიის ღილაკი. აირჩიეთ ყველა ცვლილება (Select all), Ok, Summary. მოდით ამოვიღოთ კორელაციის მატრიცა.

თუ კორელაციის კოეფიციენტი იცვლება არაუმეტეს 0,7-დან 1-მდე, ეს ნიშნავს ინდიკატორების ძლიერ კორელაციას. ამ შემთხვევაში, თქვენ შეგიძლიათ გამორთოთ ერთი ცვლილება ძლიერი კორელაციის გამო. და ბოლოს, რადგან კორელაციის კოეფიციენტი მცირეა, შეგიძლიათ გამორთოთ ცვლილება მათში ისე, რომ არაფერი დაემატოს საბოლოო ჯამს. ჩვენს ნიმუშში არ არსებობს ძლიერი კორელაცია რომელიმე ცვლადს შორის და ფაქტორული ანალიზი ჩატარდება ცვლადების სრული ნაკრებისთვის.

ფაქტორული ანალიზის გასაშვებად, თქვენ უნდა დააჭიროთ სტატისტიკას / მრავალვარიანტულ საძიებო ტექნიკას / ფაქტორული ანალიზის მოდულს. ეკრანზე გამოჩნდება ფაქტორული ანალიზის ფანჯარა.

ანალიზისთვის ვირჩევთ ყველა სხვადასხვა ელექტრონულ ცხრილს; ცვლადები (ცვლილებები): აირჩიეთ ყველა, კარგი. შეყვანის ფაილის რიგში (შეყვანის მონაცემთა ფაილის ტიპი) მიუთითეთ Raw Data. მოდულს აქვს ორი ტიპის გამომავალი მონაცემები - ნედლეული მონაცემები და კორელაციის მატრიცა.

MD წაშლის განყოფილებაში მითითებულია დაკარგული მნიშვნელობების დამუშავების მეთოდი:
* Casewise - დაკარგული მნიშვნელობების გამორიცხვის მეთოდი (დამოკიდებულია წესებიდან);
* Pairwise - გამოტოვებული ღირებულებების გამორიცხვის ბიჭის გზა;
* საშუალო ჩანაცვლება – შუა მნიშვნელობის ჩანაცვლება გამოტოვებული მნიშვნელობების ჩანაცვლებით.
Casewise მეთოდი ნიშნავს, რომ ელცხრილში, რომელიც შეიცავს მონაცემებს, იგნორირებულია ყველა მწკრივი, რომელსაც აქვს ერთი გამოტოვებული მნიშვნელობა. ყველა მნიშვნელოვანს ფასი აქვს. Pairwise მეთოდი უგულებელყოფს გამოტოვებულ მნიშვნელობებს არა ყველა გაცვლილი ფსონისთვის, არამედ მხოლოდ შერჩეული წყვილებისთვის.

აირჩიეთ გამოტოვებული მნიშვნელობების დამუშავების მეთოდი.

სტატისტიკა აგროვებს დაკარგული მნიშვნელობებს ამ გზით, როგორიცაა იმპუტაცია, ითვლის კორელაციის მატრიცას და იყენებს მას ფაქტორების ანალიზის მეთოდების შერჩევაზე.

ფანჯრის ზედა ნაწილი შეიცავს ინფორმაციას. აქ მოხსენებულია, რომ დაკარგული მნიშვნელობების დამუშავება ხდება Casewise მეთოდის გამოყენებით. მიღებული იქნა 17 სიფრთხილის ზომა და მიღებული იქნა 17 სიფრთხილის ზომა შემდგომი ჩამოთვლისთვის. კორელაციური მატრიცა გამოითვალა 7 ცვლადზე. ფანჯრის ქვედა ნაწილი შეიცავს სამ ჩანართს: სწრაფი, Advanced, Descriptives.

Descriptives ჩანართს აქვს ორი ღილაკი:
1- შეხედეთ კორელაციებს, საშუალო და სტანდარტულ ვარიაციებს;
2- გაუშვით მრავალჯერადი რეგრესია.

პირველი ღილაკის დაჭერით შეგიძლიათ იხილოთ საშუალო და სტანდარტული ჩვენებები, კორელაციები, მიდგომები და სხვადასხვა გრაფიკები და ჰისტოგრამები.

Advanced ჩანართში, მარცხენა მხარეს, აირჩიეთ Extraction მეთოდი ფაქტორული ანალიზისთვის: ძირითადი კომპონენტები. მარჯვენა მხარეს აირჩიეთ ფაქტორების მაქსიმალური რაოდენობა (2). მითითებულია ან ფაქტორების მაქსიმალური რაოდენობა (ფაქტორების მაქსიმალური რაოდენობა), ან მინიმალური მნიშვნელობა: 1 (საკუთრივ მნიშვნელობა).

ჩვენ ვაჭერთ Ok-ს და Statistika სწრაფად გაზრდის გამოთვლებს. ეკრანზე გამოჩნდება ფაქტორული ანალიზის შედეგების ფანჯარა. როგორც უკვე აღვნიშნეთ, ფაქტორული ანალიზის შედეგები გამოიხატება ფაქტორების მნიშვნელობების სიმრავლით. ამის წვდომა შესაძლებელია ჩატვირთვის ჩანართიდან.

ფანჯრის ზედა ნაწილი - ინფორმაცია:
ცვლადების რაოდენობა (საანალიზო ცვლადების რაოდენობა): 7;
მეთოდი (ფაქტორების დანახვის მეთოდი): ძირითადი კომპონენტები;
კორელაციური მატრიცის ლოგ (10) განმსაზღვრელი (კორელაციის მატრიცის დეტერმინანტის მეათე ლოგარითმი): -1,6248;
მოპოვებული ფაქტორების რაოდენობა: 2;
საკუთარი მნიშვნელობები (vsnі მნიშვნელობები): 3.39786 და 1.19130.
ფანჯრის ბოლოში არის ფუნქციური ღილაკები, რომლებიც საშუალებას გაძლევთ მარტივად ნახოთ ანალიზის შედეგები, როგორც რიცხობრივად, ასევე გრაფიკულად.
Factor rotation არის ფუნქციის შეფუთვა, რომელშიც ჩამოსაშლელი ფანჯრიდან შეგიძლიათ აირჩიოთ სხვადასხვა ღერძის ბრუნვა. კოორდინატთა სისტემის დამატებით როტაციით შესაძლებელია უპიროვნო ამონახსნის მიღება, რისთვისაც საჭიროა ინტერპრეტაციული ამოხსნის შერჩევა.

არსებობს კოორდინატების სივრცეში შეფუთვის სხვადასხვა მეთოდი. Statistica პაკეტი მხარს უჭერს ყველა ასეთ მეთოდს, რომელიც წარმოდგენილია ფაქტორული ანალიზის მოდულში. მაგალითად, ვარიმაქსის მეთოდი გვთავაზობს კოორდინატების პერმუტაციას: შეფუთვა, რომელიც მაქსიმალურად ზრდის დისპერსიას. varimax მეთოდი უზრუნველყოფს ფაქტორების მატრიცის გამარტივებულ აღწერას, ამცირებს მნიშვნელობებს 1-მდე და 0-მდე. ეს გვიჩვენებს ოფიციალური კვადრატების დისპერსიას. ფაქტორების მატრიცა, რომელიც დაფუძნებულია ვარიმაქსის შეფუთვის მეთოდზე, დიდწილად უცვლელია სხვადასხვა მულტიპლიკატორების არჩევასთან მიმართებაში.

კვარტიმაქსის მეთოდით შეფუთვა გამოიყენება გამარტივების ანალოგიურად მხოლოდ ფაქტორების მატრიცის მწკრივებთან მიმართებაში. იკავებს თუ არა Equimax შუალედურ პოზიციას? ამ მეთოდის გარშემო ფაქტორების შეფუთვისას, თქვენ დაუყოვნებლივ შეეცდებით გაამარტივოთ ორივე სვეტი და რიგები. შეფუთვის განხილული მეთოდები ეფუძნება ორთოგონალურ შეფუთვას. შედეგად, ჩნდება არაკორელირებული ფაქტორები. პირდაპირი ობლიმინუს და პრომაქსის შეფუთვის ხერხები ტარდება ირიბად შეფუთვამდე, რაც იწვევს კორელაციულ ფაქტორებს. ტერმინი?ნორმალიზებულია? მეთოდების სახელები მიუთითებს მათზე, რომლებშიც ფაქტორების კოეფიციენტები ნორმალიზებულია ისე, რომ ისინი იყოფა შესაბამისი ვარიაციის კვადრატულ ფესვზე.

ყველა გამოყენებული მეთოდით, ანალიზის შედეგი კოორდინატთა სისტემის შეფუთვის გარეშე - Unrotated - მაშინვე აშკარაა. თუ უარყოფის შედეგი გვეჩვენება, რომ ინტერპრეტაცია და ჩვენი კონტროლის მიღმაა, მაშინ შეგვიძლია მასზე დაყრდნობა. თუმცა, თქვენ შეგიძლიათ გადაიტანოთ ცულები და ნახოთ სხვა გადაწყვეტილებები.

დააწკაპუნეთ ღილაკზე "Factor Loading" და ნახეთ რიცხვითი ფაქტორების დატვირთვა.

ცხადია, რომ ფაქტორის მნიშვნელობა არის კანისა და კანთან დაკავშირებულ ფაქტორებს შორის კორელაციის კოეფიციენტების მნიშვნელობა.

0,7-ზე მეტი ფაქტორის მნიშვნელოვნების მნიშვნელობა გვიჩვენებს, რომ ცვლილების ნიშანი მჭიდრო კავშირშია გაანალიზებულ ფაქტორთან. რაც უფრო მჭიდროა კავშირი მოცემულ ნიშანსა და გაანალიზებულ ფაქტორს შორის, მით უფრო დიდია ფაქტორების მნიშვნელობის მნიშვნელობა. ფაქტორის უპირატესობის დადებითი ნიშანი მიუთითებს პირდაპირ (და უარყოფით ნიშანზე? შებრუნებაზე) კავშირზე მოცემულ ნიშანსა და ფაქტორს შორის.
შემდეგ, ფაქტორების ცხრილიდან გამოვლინდა ორი ფაქტორი. პირველი ნიშნავს OSB - სოციალური კეთილდღეობის ნიშანს. სხვა ოფიციალური პირის მიერ განხორციელებული სხვა ცვლილებები.

რიგში Expl. Var (ნახ. 8.5) გამოწვეულია დისპერსია, რომელიც სხვა ფაქტორზე მოდის. რიგში პრპ. ტოტლი არის გამოწვეული დისპერსიის ნაწილი, რომელიც მოდის პირველ და სხვა ფაქტორებზე. ასევე, პირველი თანამდებობის პირი შეადგენს მთლიანი დისპერსიის 48,5%-ს, ხოლო სხვა ოფიციალური პირი მთლიანი დისპერსიის 17,0%-ს შეადგენს, რაც სხვა არაინფორმირებულ თანამდებობის პირებს ეკუთვნით. შედეგმა აჩვენა ორი ფაქტორი, რომელიც ხსნის მთლიანი ვარიაციის 65.5%-ს.

აქ ასევე გვაქვს ფაქტორების ორი ჯგუფი - OSB და ცვლილებების გადაწყვეტილება, რომელიც ჩანს ZHR - მნიშვნელოვანია სამუშაოს შეცვლა. შესაძლოა, ამ სიტუაციის უკეთ გაგება დამატებითი მონაცემების შეგროვების საფუძველზე შეიძლება.

აირჩიეთ და დააზუსტეთ რამდენიმე ფაქტორი

მას შემდეგ რაც მიიღებთ ინფორმაციას იმის შესახებ, თუ რამდენ დისპერსიას ხედავთ კანის ფაქტორში, შეგიძლიათ მიმართოთ კვებას, რამდენი ფაქტორის ამოღება შეგიძლიათ კვალიდან. მისი ბუნებიდან გამომდინარე, გამოსავალი უფრო სრულყოფილია. აქ მოცემულია რამდენიმე ძირითადი რეკომენდაცია და მათი პრაქტიკაში დაცვა საუკეთესო შედეგს იძლევა.

ფარული ფაქტორების (ჰიპერპარამეტრების) რაოდენობა განისაზღვრება ფაქტორების ანალიზის მოდულში X მატრიცის სიმძლავრის რიცხვების (ნახ. 8.7) გამოთვლის გზით. ამისთვის Explained variance ჩანართში (ნახ. 8.4) უნდა დააჭიროთ Scree plot ღილაკს.

მზის ფაქტორების მაქსიმალური რაოდენობა შეიძლება იყოს პარამეტრის მატრიცის სიმძლავრის რიცხვების ტოლი. თანამდებობის პირთა რაოდენობის ზრდასთან ერთად მნიშვნელოვნად იზრდება მათი ფიზიკური ინტერპრეტაციის პრობლემები.

ახლა თქვენ შეგიძლიათ აირჩიოთ მეტი ფაქტორი 1-ზე მეტი მნიშვნელოვანი მნიშვნელობებით. სინამდვილეში, ეს ნიშნავს, რომ თუ ფაქტორი ვერ ხედავს დისპერსიას, რომელიც ექვივალენტურია იმავე ცვლადის დისპერსიასთან, მაშინ ის გამოტოვებულია. ეს კრიტერიუმი ფართოდ სადავოა. ამ შემთხვევაში, ამ კრიტერიუმიდან გამომდინარე, მხოლოდ 2 ფაქტორი (ორი ძირითადი კომპონენტი) უნდა იყოს შენახული.

თქვენ შეგიძლიათ იპოვოთ ასეთი ადგილი გრაფიკზე, სადაც ბოროტების მარჯვნივ მნიშვნელობის დაქვეითება მაქსიმალურია. გადმოცემულია, რომ მარჯვენა ხელი ამ ეტაპზე ნაკლებად "ფაქტორული ოსიპია". როგორც ჩანს, ამ კრიტერიუმამდე შეგიძლიათ წაშალოთ აპლიკაციიდან 2 ან 3 ფაქტორი.
3 ნახ. აშკარაა, რომ მესამე ოფიციალური პირი შეიცავს ცეცხლგამძლე დისპერსიის უფრო დიდ ნაწილს.

პარამეტრების ფაქტორული ანალიზი შესაძლებელს ხდის ადრეულ ეტაპზე გამოვლინდეს სამუშაო პროცესის ავარია (დეფექტით გამოწვეული) სხვადასხვა ობიექტებში, რაც ხშირად შეუძლებელია პარამეტრებზე უყურადღებო ყურადღებით აღნიშვნა. ჩვენ აღვნიშნავთ, რომ პარამეტრებს შორის კორელაციური კავშირების დარღვევა ხდება ბევრად უფრო ადრე, ვიდრე ერთი პარამეტრის ცვლილება. კორელაციური ბმულების ასეთი კომბინაცია შესაძლებელს ხდის პარამეტრების ფაქტორული ანალიზის სწრაფად იდენტიფიცირებას. ამ მიზნით საკმარისია მასივი და რეგისტრირებული პარამეტრები.

შესაძლებელია შემდგომი რეკომენდაციების მიცემა ფაქტორული ანალიზის გამოყენების შესახებ საგნის არეალის მიუხედავად.
* კანის ფაქტორი შეიძლება შეიცავდეს მინიმუმ ორ განსხვავებულ პარამეტრს.
* პარამეტრების ცვლილებების რაოდენობა შეიძლება მეტი იყოს ცვლილებების რაოდენობის მიხედვით.
* მთელი რიგი ფაქტორების განხილვა შესაძლებელია პროცესის ფიზიკური ინტერპრეტაციის საფუძველზე.
* უპირველეს ყოვლისა, დარწმუნდით, რომ ფაქტორების რაოდენობა გაცილებით ნაკლებია, ვიდრე ცვლილებების რაოდენობა.

კაიზერის კრიტერიუმი ასევე გადაარჩენს თუნდაც უამრავ თანამდებობის პირს, ხოლო ქვიანი ვაზის კრიტერიუმი რამდენიმე თანამდებობის პირსაც კი გადაარჩენს. თუმცა, კრიტერიუმები ზოგადად კარგია ნორმალური გონებისთვის, თუ ფაქტორების რაოდენობა ძალიან მცირეა და ცვლადების რაოდენობა ძალიან მცირე. სინამდვილეში, კვება უფრო მნიშვნელოვანია, თუ მიღებული გადაწყვეტილების ინტერპრეტაცია შესაძლებელია. აქედან გამომდინარე, აუცილებელია გამოიკვლიოს მთელი რიგი გადაწყვეტილებები მეტ-ნაკლებად ფაქტორებით და შემდეგ შეარჩიოს ის, რომელიც ყველაზე გონივრული იქნება.

გამომავალი ნიშნების დიაპაზონი შეიძლება იყოს წარმოდგენილი ვიბრაციის იმავე მასშტაბებში, რაც იძლევა ვიკორისტული კორელაციის მატრიცების გამოთვლას. სხვა შემთხვევაში, ჩნდება სხვადასხვა პარამეტრის „ვაგას“ პრობლემა, რაც იწვევს სტაგნაციის აუცილებლობას კოვარიანტული მატრიცების გაანგარიშებისას. თქვენ შეიძლება შეგხვდეთ ნიშნების რაოდენობის შესაცვლელად ფაქტორული ანალიზის შედეგების განმეორებადობის დამატებითი პრობლემის წინაშე. იმისათვის, რომ მიუთითოთ, რომ პრობლემა იდენტიფიცირებულია, Statistica პაკეტი უბრალოდ უნდა გადავიდეს სტანდარტიზებულ ფორმაზე პარამეტრების წარმოდგენისთვის. ამ შემთხვევაში ყველა პარამეტრი თანაბარი ხდება გამოძიების ობიექტში მიმდინარე პროცესებთან მათი კავშირის ეტაპზე.

თუ გამომავალი მონაცემების სიმრავლეში ძალიან ბევრი ცვლადია და ისინი არ იქნა ამოღებული კორელაციური ანალიზით, მაშინ შეუძლებელია დაბრუნების მატრიცის გამოთვლა (8.3). მაგალითად, თუ ცვლილება არის ამ ანალიზისთვის შერჩეული ორი სხვა ცვლადის ჯამი, ცვლადების ასეთი ნაკრებისთვის კორელაციური მატრიცა არ შეიძლება განზოგადდეს და პრინციპში ფაქტორული ანალიზის გამოთვლა შეუძლებელია. სინამდვილეში, ეს ასეა, თუ ადამიანი ცდილობს ფაქტორული ანალიზის გაყინვას ისე, რომ გამორიცხოს ძალიან ძველი ცვლადები, რომლებიც ზოგჯერ იკარგება, მაგალითად, მიმწოდებლების ნიმუშში. შემდეგ შეგიძლიათ ინდივიდუალურად შეამციროთ მატრიცის ყველა კორელაცია მატრიცის დიაგონალურ ელემენტებზე მცირე მუდმივის დამატებით და შემდეგ მათი სტანდარტიზებით. ეს პროცედურა უნდა შემცირდეს მატრიცამდე, რომელიც შეიძლება იყოს სტანდარტიზებული, შემდეგ კი შეიძლება შეიქმნას ფაქტორული ანალიზი მის წინაშე. უფრო მეტიც, ეს პროცედურა არ ასახავს ფაქტორების ერთობლიობას და შეფასებები ნაკლებად ზუსტია.

გადასვლის ქარხნებით (SMS) სისტემა არის სისტემა, რომელიც დაფუძნებულია მხოლოდ მითითებული მუდმივი პარამეტრის, საწყისი წისქვილის შეყვანის ნაკადსა და გამომავალზე. რეგულაციები თუ დამამცირებელი? ეს არის უმარტივესი UPS-ის შემთხვევა, რომელშიც გადაცემის კოეფიციენტი შეიძლება დისკრეტულად და შეუფერხებლად შეიცვალოს რაიმე სახის კანონის მიხედვით. UPS-ის გამოკვლევა უნდა ჩატარდეს ხაზოვანი მოდელებისთვის, რომლებშიც გარდამავალი პროცესი, პარამეტრის ცვლილების გამო, დასრულებულად ითვლება.

სერიული და პარალელურად შეერთებული დიოდების G-, T- და P-ის მსგავსი კავშირებზე დაფუძნებულმა დამამშვიდებლებმა მიაღწიეს უდიდეს გაფართოებას. კერამიკული ჭავლის ინფუზიის ქვეშ დიოდების საყრდენი შეიძლება შეიცვალოს ფართო დიაპაზონში, რაც საშუალებას გაძლევთ შეცვალოთ სიხშირეზე პასუხი და შემცირდეს გზაზე. ფაზის ფაზის დამოუკიდებლობა, როდესაც არეგულირებს ასეთი ატენუატორების გადაშენებას, მიიღწევა საბაზისო სტრუქტურაში შემავალი რეაქტიული ლანცეტების დახმარებით. ცხადია, პარალელური და შემდგომი დიოდების საყრდენებს შორის განსხვავებული კავშირით, შესუსტების იგივე დონე შეიძლება მოიხსნას. წინააღმდეგ შემთხვევაში, ფაზის ფაზაში ცვლილება განსხვავებული იქნება.

შესაძლებელია ატენუატორების ავტომატიზირებული დიზაინის გამარტივება, რაც მოიცავს კერამიკული ელემენტების სამაგრების და პარამეტრების გაფართოებულ ოპტიმიზაციას. UPS-ის ვიკორისტოვატემო ელექტრონულად ჩამქრალი ატენუატორის მონიტორინგის შედეგად, ეკვივალენტური წრე ნაჩვენებია ნახ. 8.8. ჩაქრობის მინიმალური დონე უზრუნველყოფილია მცირე საყრდენი ელემენტს Rs-სა და დიდი საყრდენი ელემენტის Rp-ს შორის. Rs ელემენტის გაზრდილი მხარდაჭერის და Rp ელემენტის შეცვლილი მხარდაჭერის შემთხვევაში, შესუსტება იზრდება.

ფაზური ცვლილების სიხშირე და შესუსტება სქემებისთვის კორექტირების გარეშე და კორექტირებით ნაჩვენებია ნახ. 8.9 და 8.10 ყოველდღიურად. 1.3-7.7 dB-ის შესუსტების დიაპაზონში შესწორებული ატენუატორით და 0.01-4.0 გჰც სიხშირეების ნარევით, მიიღწევა ფაზის ცვლა არაუმეტეს 0.2 °-ით. ატენუატორში ფაზის ცვლილების კორექტირების გარეშე სიხშირეების და დიაპაზონის იმავე ნარევში შესუსტება აღწევს 3°-ს. ამრიგად, ფაზის განადგურება იცვლება მაქსიმუმ 15-ჯერ კორექტირებით.

მნიშვნელოვანია დამოუკიდებელი ცვლადი ფაქტორების კორექტირება და კონტროლი, რომლებიც გავლენას ახდენენ ფაზის ფაზის ჩაქრობასა და ცვლილებაზე. ეს შესაძლებელს ხდის დამატებითი Statistica სისტემის გამოყენებით UPS-ის ფაქტორული და რეგრესიული ანალიზის ჩატარებას Lantzug-ის პარამეტრებსა და სხვა მახასიათებლებს შორის ფიზიკური კანონზომიერებების დადგენით, აგრეთვე მიკროსქემის ოპტიმალური პარამეტრების ძიების გამარტივებით.

გამომავალი მონაცემები ჩამოყალიბდა ამ გზით. კორექტირების პარამეტრებისა და კონტროლის საყრდენებისთვის, რომლებიც განსხვავდებიან ოპტიმალურიდან უფრო დიდ და პატარა მხარეებზე სიხშირის ქსელში 0.01-4 გჰც, იყო შემოღებული შესუსტების გაანგარიშება და ფაზის ცვლაში ცვლილება.

სტატისტიკური მოდელირების მეთოდები, მათ შორის ფაქტორული და რეგრესიული ანალიზი, რომლებიც ადრე არ იყო გამოყენებული ცვლადი ქარხნებით დისკრეტული მოწყობილობების დიზაინისთვის, შესაძლებელს ხდის სისტემის ელემენტების მუშაობის ფიზიკური კანონების იდენტიფიცირებას. ეს შეესაბამება მოწყობილობის სტრუქტურას, მითითებული ოპტიმალური კრიტერიუმიდან გამომდინარე. ზოკრემი, რომლის განყოფილებაში ფაზა-ინვარიანტული ატენუატორი განიხილება, როგორც სისტემის ტიპიური კონდახი ცვალებადი წისქვილებით. ფაქტორების გავლენის გამოვლენა და ინტერპრეტაცია, რომლებიც მიედინება სხვადასხვა მახასიათებლებში, საშუალებას გვაძლევს შევცვალოთ ტრადიციული მეთოდოლოგია და მთლიანად გავამარტივოთ კორექტირების პარამეტრებისა და რეგულირების პარამეტრების ძიება.

დადგინდა, რომ სტატისტიკური მიდგომის გამოყენება ასეთი მოწყობილობების დიზაინში გამართლებულია როგორც მათი მუშაობის ფიზიკის შეფასებისას, ასევე პრინციპული სქემების დაყენებისას. სტატისტიკური მოდელირება იძლევა ექსპერიმენტული კვლევის არსებითი სიჩქარის საშუალებას.

შედეგები

• აუცილებელია სიფრთხილე გამომწვევი ფაქტორებისა და მასთან დაკავშირებული ფაქტორების გავლენის მიმართ, რათა მოხდეს პროცესების შიდა კანონები.
• ფაქტორების მნიშვნელობებს შორის საკონტროლო ზონების კრიტიკული მნიშვნელობების იდენტიფიცირებით, ჩვენ შეგვიძლია მივაკვლიოთ და გავაერთიანოთ ფაქტორული ანალიზის შედეგები მსგავსი პროცესებისთვის.
• ფაქტორული ანალიზის განმარტება არ შემოიფარგლება პროცესების ფიზიკური მახასიათებლებით. ფაქტორული ანალიზი მნიშვნელოვანი მეთოდია პროცესების მონიტორინგისთვის და აუცილებელია სხვადასხვა მიზნებისთვის სისტემების დაპროექტებამდე.