Главная

Популярная публикация

Научная публикация

Случайная публикация

Обратная связь

ТОР 5 статей:

Методические подходы к анализу финансового состояния предприятия

Проблема периодизации русской литературы ХХ века. Краткая характеристика второй половины ХХ века

Ценовые и неценовые факторы

Характеристика шлифовальных кругов и ее маркировка

Служебные части речи. Предлог. Союз. Частицы

КАТЕГОРИИ:






Два вводных примера




Пусть имеются четыре переменные, отдельные значения которых получены в результате наблюдения за рядом индивидуумов. Вычислим все парные коэффициенты корреляции, в итоге получим следующую корреляционную матрицу:

Визуальный анализ показывает, что корреляционная матрица является симметрической, т. е. наддиагональные элементы представляют собой зеркальное отражение поддиагональных относительно главной диагонали. При рассмотрении матрицы бросается в глаза тот факт, что все коэффициенты корреляции положительны. Кроме того, между первой и второй переменными имеется относительно тесная корреляционная связь, третья переменная с первыми двумя связана слабее, а четвертая практически не зависит от всех предыдущих. Следуя обычной процедуре корреляционного анализа можно было бы проверить значимость каждого коэффициента корреляции.

Целью факторного анализа является извлечение на поверхность величины, так называемого фактора, который бы по возможности точнее позволил воспроизвести наблюдаемые корреляции. Этот фактор и связанная с ним процедура вычислений вначале являются гипотетическими.

Обсудим подход к выявлению фактора и к процедуре вычислений.

Наблюдавшиеся коэффициенты корреляции можно в каждом случае воспроизвести с помощью следующего уравнения:

 

 

R+ F1 F/1

A A/

Вектор F1 = (0,90 0,80 0,50 0,05) представляет собой фактор. Матрица R+ является матрицей воспроизведенных коэффициентов корреляции. Используя правило умножения матриц, выполним действие F1 • F/1, в результате чего получим матрицуR+, отличающуюся от R диагональными элементами. Диагональные элементы матрицы R+ называются общностями. Например, элементы первого столбца корреляционной матрицы получаем следующим образом:

0,90 • 0,90=0,81; 0,80 • 0,90-0,720; 0,50 • 0,90-0,45; 0,05 • 0,90 = 0,045. И так далее.

Таким образом из чисел (0,90 0,80 0,50 0,05) получаем наблюдаемую корреляционную матрицу.

Как получаются численные значения элементов вектора F1, нас пока не интересует. Их называют факторными нагрузками. Они позволяют произвести численно-формальное объяснение наблюдаемых коэффициентов корреляции. Это дает основание предполагать, что за ними стоит фактор, который мог бы их причинно обусловливать.

Таким образом, мы на примере познакомились с основным уравнением факторного анализа: R+ = F1 • F/1:редуцированная корреляционная матрица равна произведению факторной матрицы на транспонированную.

За наблюдаемыми величинами всегда стоит фактор, но непосредственно для измерения он недоступен. Он гипотетичен. Факторный анализ устанавливает такие гипотетические факторы и из-за этого способ образования гипотез имеет всегда локальный характер.

При приведении корреляционной матрицы (1) к форме (2) возникают две проблемы.

Диагональные элементы матрицы R+ меньше единицы. Эти диагональные элементы называются общностями, а их определение составляет первую проблему ФА, проблему общности .

Второй проблемой является определение фактора F1. Это так называемая проблема факторов. Обе проблемы будут обсуждаться далее подробнее.

Обратимся еще раз к примеру, иллюстрирующему равенство (2). Десять (4+3+2+1 = 10) различных значений элементов (диагональных и поддиагональных) корреляционной матрицы приведены к четырем элементам вектора F1. Эти четыре значения содержат ту же самую информацию, что и вся корреляционная матрица. Таким образом достигается упрощение, причем объем информации сохраняется. Факторные нагрузки соответствуют коэффициентам корреляции, т. е. переменная 1 имеет много общего с фактором F1 1 = 0,90), переменная 2 – немного меньше 2 = 0,80), переменная 3 – еще меньше (а3= 0,50). Переменная 4 почти не связана с фактором (а4 = 0,05).

Геометрически упрощение заключается в том, что единственная мера, а именно фактор F1, достаточна для отражения связей между переменными. Если каждую переменную представить в виде вектора, т. е., попросту говоря, в виде стрелки в пространстве, то в этом примере все стрелки примут одно направление, а именно направление фактора F1, который рассматривается как координатная ось одномерной системы координат. Длина стрелок зависит от длины факторных нагрузок (рис 5.).

Фактор F1

1.0

0.9 перем.1

0.8 перем.2

 

 

0.5 перем.3

 

0,05 перем.4

0.0

 

Рис. 5. Геометрическая интерпретация матрицы A(2).

 

Второй пример. Пусть по результатам наблюдений за четырьмя переменными составлена корреляционная матицаRh, диагональные элементы которой заменяем общностями, которые предполагаются известными.

 

При просмотре корреляционной матрицы бросается в глаза, что первая и вторая переменные сильно коррелируют друг с другом. Можно говорить также о наличии корреляции между третьей и четвертой переменными. Между остальными переменными корреляция не проявилась. В таком случае, когда в корреляционной матрице существуют как бы обособленно два центра тяжести, не связанных друг с другом, для объяснения корреляции используют два фактора. Пусть первый фактор будет F1= (0,90 0,80 0,05 0,05), второй F2 =(0,05 0,05 0,80 0,70). В целом вся корреляционная матрица составляется с помощью двух факторов, и всю модель можно представить в виде равенства (3) F1 F2

A A/

В равенстве (3) легко убедиться путем соответствующих вычислений. Первый элемент корреляционной матрицы равен: 0,8125 = 0,90 • 0,90+0,05 • 0,05, по тому же самому правилу умножения матриц получаем другие элементы.

При геометрической интерпретации векторы, соответствующие переменным, расположатся на плоскости. Координатные оси соответствуют факторам, векторы – переменным. Например, конец вектора 1 на рис.6 имеет координаты 0,90 (нагрузка первого фактора) и 0,05 (нагрузка второго фактора), которые берутся из матрицы А. Координатные оси являются факторами, на которые натянуто пространство, содержащее переменные.

F1

1.0

0.9

0.8

 

 

0.5

 

0.1

 
 


0.0 0.1 0.5 0.7 0.8 0.9 1.0 F2

 

Рис. 6. Геометрическая интерпретация матрицы А (3).

В этих двух примерах мы познакомились в первом приближении с рядом понятий и процедур, которые далее будут определены более подробно. Пока же назовем основные проблемы ФА и покажем схему их решения.






Не нашли, что искали? Воспользуйтесь поиском:

vikidalka.ru - 2015-2024 год. Все права принадлежат их авторам! Нарушение авторских прав | Нарушение персональных данных