ТОР 5 статей: Методические подходы к анализу финансового состояния предприятия Проблема периодизации русской литературы ХХ века. Краткая характеристика второй половины ХХ века Характеристика шлифовальных кругов и ее маркировка Служебные части речи. Предлог. Союз. Частицы КАТЕГОРИИ:
|
Результатов факторного анализаКак правило, в любой компьютерной программе по ФА предусмотрен расчет показателей описательной статистики по матрице исходных данных (смешения), в частности, вычисление общего количества наблюдений, среднего арифметического значения и среднего квадратичного отклонения. Эти простые показатели позволяют быстро сравнить между собой все анализируемые переменные, и уже на уровне анализа исходных данных попытаться найти возможные ошибки, связанные либо с проведенными измерениями, либо с вводом данных в компьютер. Например, если при сборе данных использовалась 7-балльная шкала, то нас должно насторожить среднее значение по какой-то переменной, равное 0.87, или резко отличающаяся от других величина среднего квадратичного отклонения. Коэффициент сферичности Бартлета используется для оценки «хорошести» корреляционной матрицы. Если этот коэффициент достаточно большой, а соответствующий ему уровень значимости мал (например, меньше 0,05 или 0,01), то это свидетельствует о надежности вычисления корреляционной матрицы. Кроме того, для оценки надежности вычислений элементов корреляционной матрицы и возможности ее описания с помощью ФА во многих статистических программах применяется так называемая мера адекватности выборки Кайзера–Мейера–Олкина (КМО) [4]. По мнению Г. Кайзера, значения КМО около 0,9 оцениваются как «изумительные», 0,8 – «достойные похвалы», 0,7 – «средние», 0,6 – «посредственные», 0,5 – «плохие», а ниже 0,5 – «неприемлемые». Для оценки надежности вклада в корреляционную матрицу каждой переменной в отдельности также используют меру выборочной адекватности (например, коэффициент MSA в системе SPSS). Вышеприведенные характеристики Г. Кайзера справедливы и для оценки этих величин тоже. Исследование надежности каждой переменной позволяет исключить из расчетов одну или несколько переменных, и тем самым повысить результативность ФА. Работая с различными данными, Г. Кайзер установил, что величина данного коэффициента адекватности повышается при: а) увеличении количества переменных, б) возрастании числа наблюдений каждой переменной, в) уменьшении числа общих факторов и г) увеличении абсолютных значений коэффициентов корреляций. По сути дела он выделил те условия, при которых повышается адекватность данных, а следовательно, и информативность ФА. Не нашли, что искали? Воспользуйтесь поиском:
|