Analiza czynnikowa: Wyodrębnianie

. Pozwala na określenie metody wyodrębniania czynników. Dostępne metody to: metoda głównych składowych, metoda nieważonych najmniejszych kwadratów, metoda uogólnionych najmniejszych kwadratów, metoda maksymalnej wiarygodności, metoda osi głównych, metoda alfa oraz metoda obrazu.

• Analiza głównych komponentów. Metoda wyodrębniania czynników, wykorzystywana do tworzenia liniowej kombinacji nieskorelowanych zmiennych obserwowanych. Pierwsza składowa tłumaczy najwięcej wariancji. Kolejne składowe wyjaśniają coraz mniejsze części wariancji i są pomiędzy sobą nieskorelowane. Analiza głównych składowych jest wykorzystywana jako metoda wyodrębniania czynników wstępnych. Może być używana wtedy, gdy macierz korelacji jest macierzą osobliwą.
• Metoda niesważonych najmniejszych kwadratów. Metoda wyodrębniania czynników, która minimalizuje sumy kwadratów różnic pomiędzy obserwowanymi i odtworzonymi macierzami korelacji, z pominięciem wartości leżących na głównych przekątnych).
• Metoda generalized least-kwadratów. Metoda wyodrębniania czynników, która minimalizuje sumę kwadratów różnic pomiędzy obserwowanymi i odtwarzanymi macierzami korelacji. Korelacje są ważone przez odwrotność ich wariancji swoistej tak, że zmienne o wysokiej swoistości uzyskują mniejsze wagi od zmiennych o niskiej swoistości.
• Metoda największej wiarygodności. Metoda wyodrębniania czynników. Oszacowania parametrów uzyskane przy pomocy tej metody to takie oszacowania, które z największym prawdopodobieństwem odtworzą obserwowaną macierz korelacji, o ile próba pochodzi z populacji charakteryzującej się wielowymiarowym rozkładem normalnym. Korelacje są ważone przez odwrotność wariancji swoistej zmiennych z zastosowaniem algorytmu iteracyjnego.
• Główna firma Axis Factoring. Metoda wyodrębniania czynników z pierwotnej macierzy korelacji z kwadratami współczynników korelacji wielokrotnej na głównej przekątnej, które służą jako wstępne oszacowania zasobów zmienności wspólnej. Uzyskane w ten sposób ładunki czynnikowe są następnie podstawą do oszacowania nowych zasobów zmienności wspólnej, które zastępują stare oszacowania na głównej przekątnej macierzy korelacji. Iteracje kontynuowane są tak długo, dopóki zmiany w wartościach zasobów zmienności wspólnej, w następujących po sobie iteracjach, nie spełnią kryterium zbieżności.
• Faktoring Alfa. Metoda wyodrębniania czynników zakładająca, że zmienne wykorzystane do analizy stanowią próbę z uniwersum potencjalnych zmiennych. Ta metoda maksymalizuje wartość wiarygodności alfa czynników.
• Faktoring obrazu. Metoda wyodrębniania czynników opracowana przez Guttmana i oparta na teorii obrazu. Wariancja wspólna każdej zmiennej (nazywana tu cząstkowym obrazem) definiowana jest nie jako funkcja hipotetycznych czynników, ale jako jej liniowa regresja na pozostałych zmiennych.

Analizuj. Pozwala na określenie macierzy korelacji lub macierzy kowariancji.

• Macierz korelacji. Użyteczna, gdy zmienne w analizie są mierzone w różnych skalach.
• Macierz kowariancji. Użyteczna, gdy chce się zastosować analizę czynnikową do wielu grup z różnymi wariancjami dla każdej zmiennej.

Wyodrębnij. Można albo zachować wszystkie czynniki, których wartości własne przekraczają określoną wartość, albo zachować określoną liczbę czynników.

Wyświetl. Pozwala na określanie, czy wyświetlane ma być nierotowane rozwiązanie czynnikowe i wykres osypiska wartości własnych.

• Rozwiązanie czynnika nieobracanego. Wyświetla nierotowane ładunki czynnikowe (macierz modelowa czynników), zasoby zmienności wspólnej i wartości własne dla rozwiązania czynnikowego.
• Wykres osypiska. Wykres wariancji powiązanej z każdym z czynników. Stosowany do określenia liczby czynników, jakie należy pozostawić w modelu. Z reguły na wykresie tym widać wyraźną przerwę pomiędzy stromym nachyleniem ważnych czynników i stopniowo malejącym nachyleniem pozostałych (osypisko).

Maksimum iteracji dla uzyskania zbieżności. Pozwala na określanie maksymalnej liczby kroków realizowanych przez algorytm w celu oszacowania rozwiązania.

Określanie opcji wyodrębniania

Ta zmienna wymaga opcji Statistics Base.

1. Z menu wybierz:

   Analiza > Redukcja wymiarów > Czynnik ...

2. W oknie dialogowym Analiza czynnikowa kliknij przycisk Wyodrębnianie.