پرنسپل جزو

پرنسپل اتحادی متغیرات میں سے ایک مخصوص سیٹ میں تغیر کی زیادہ سے زیادہ سطح کو سمجھانے کی کوشش کی بنیاد پر، اور ارتباط میٹرکس وتری میں عناصر پر مبنی ہے. عنصر تجزیہ، (متغیرات میں پہلے سے مقرر تعداد سے بھی کم) عوامل کی ایک مخصوص تعداد کا استعمال کرتے ہوئے ارتباط میٹرکس کے تقرب کو لاگو کرنے کے مقصد پر مبنی ایک اور طریقہ بھی نہیں ہے، لیکن طریقوں کو بہت تقرب کی طرف سے سب سے پہلے مجوزہ طریقہ کار سے مختلف ہے.

اس طرح، عنصر تجزیہ کا طریقہ کار متغیر خود کو، اور ترچھی اس کے باہر ارتباط میٹرکس قسم کے عناصر پر مبنی درمیان ارتباط کی وضاحت کر سکتے ہیں.

عملی استعمال کی بنیاد پر، ایک خاص طریقے کی درخواست کی ضرورت کو سمجھنے کی کوشش کریں. عنصر تجزیہ متغیر کے درمیان تعلق کا مطالعہ محققین کو دلچسپی نہیں ہے جب، پرنسپل جزو تجزیہ ڈیٹا کے طول و عرض کو کم کرنے کی ضرورت ہے جب استعمال کیا جاتا ہے، اور ایک کم حد تک ان کی تشریح کی ضرورت ہے استعمال کیا جاتا ہے.

ہمارے تجربے سے، ہم عنصر تجزیہ کے طریقوں مشاہدے کی ایک کافی بڑی تعداد کا استعمال کرتے ہوئے ہے کہ دیکھ سکتے ہیں. یہ وہ رقم ہے شدت کی نشاندہی عوامل کی تعداد سے زیادہ کے ایک حکم ہونا چاہئے.

کے طور multicollinearity ذریعہ ڈیٹا کی موجودگی میں استعمال کیا جا سکتا پرنسپل جزو، مارکیٹنگ تحقیق میں بہت مقبول ہے. مارکیٹ ریسررچ سوالنامے کے عمل میں اسی طرح کے سوالات، اور ان کے جوابات پر مشتمل ہے اور multicollinearity کے اصولوں کے ساتھ عمل کریں گے.

پرنسپل اتحادی اشارے محقق کے لئے ہونا ضروری ہے کہ اس کے اجزاء یا عوامل کی قبل از انتخاب کی رہنمائی کا ایک سیٹ پر غور کرنے کے لئے مشورہ دیا جاتا ہے. ان میں سے سب سے اہم متغیر کی بازی کی سطح کا اظہار اس پہلو کی طرف سے بیان کر رہے ہیں کے eigenvalues ہیں. انگوٹھے کی ایک اہم قاعدہ ہے، جس عوامل کی تعداد کا اندازہ لئے بہت مفید ہے نہیں ہے (عوامل جب تک ایک سے زیادہ وہاں eigenvalues طور پر ہونا چاہئے). اس اصول کو تھوڑا سا آسان بات کی وضاحت کر سکتے ہیں - eigenvalues عوامل کی وضاحت کرتا ہے کہ متغیرات میں معمول variances کے کا حصہ اظہار، اور اس کی یونٹ انہیں ایک سے زیادہ متغیر مشتمل والوں بازی اظہار کرنا چاہئے تجاوز کی صورت میں.

آخباخت، اور اس کے استعمال کے لئے ضرورت صرف محقق کی طرف سے مقرر کیا جا سکتا ہے - یہ ایک بار پھر "انفرادی eigenvalues" کا اصول یہ ہے کہ واضح کرنے کے لئے ضروری ہے. مثال کے طور پر eigenvalue اتحاد کے مقابلے میں ایک قدر بھی کم ہے، لیکن یہ متغیر کے درمیان تقسیم پھیلاؤ، کی وجہ سے ہے. ایک مارکیٹنگ کے میدان میں ہنر مند بہت اہم ہے کہ انقطاع نشاندہی عوامل خاصی معنی تھے. اور ان لوگوں کے عوامل، ایک سے زیادہ کی eigenvalues پر مشتمل ہے، لیکن ایک معنی خیز تشریح کی ضرورت نہیں ہے، وہ اکاؤنٹ میں نہیں لیا جاتا ہے. اور یہ ایک ایسی صورت حال بالکل برعکس ہو سکتا ہے.

ایک اور اہم مسئلہ عنصر تجزیہ کے طریقوں کے عملی کی درخواست کے متعلق - گردش کا سوال. اس طرح کے اختیارات گردشیں سمجھا جا سکتا ہے. ان میں سے سب سے زیادہ مقبول - varimax طریقہ. یہ ہر فرد عنصر پر متغیر کی بازی کی زیادہ سے زیادہ سطح پر مبنی ہے. یہ طریقہ، ایک گردش، جس میں کچھ متغیر اعلی اقدار ہیں تلاش کرنے کے لئے مدد کرتا ہے دوسروں کو کرتے ہوئے - ہر فرد عنصر کے لئے کافی کم.

گردش کا ایک اور طریقہ - kvartimaks، یہ کم اور اعلی دونوں بوجھ پڑے کرنے کے لئے ہر فرد کو متغیر کے عوامل، جس میں ایک مخصوص گردش، تلاش کرنے کے لئے مدد کرتا ہے.

ekvimaks گردش کے طریقہ کار کے اوپر بحث کی دو طریقوں کے درمیان ایک معاہدہ ہے.

ان کے استعمال کے انفرادی عوامل کے درمیان کوئی تعلق کا پتہ لگایا جا سکتا ہے میں ان تمام طریقوں، باہمی لمبوت محور کے ساتھ الزاویہ ہیں.