![]() Главная страница Случайная страница КАТЕГОРИИ: АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Визначення вагових коефіцієнтів
1. Для визначення вагових коефіцієнтів використовується модель головних компонент. 2. Модель головних компонент трансформує m -вимірний ознаковий простір у p -вимірний простір компонент (p < m). 3. У моделі головних компонент зв’язок між первинними ознаками і компонентами описується як лінійна комбінація
де y i – стандартизовані значення i -ї ознаки з одиничними дисперсіями; сумарна дисперсія дорівнює кількості ознак m; сij – внесок j -ї компоненти в сумарну дисперсію множини показників i -ої сфери. 4. Компоненти
де
5. Вагові коефіцієнти
6. Побудова моделі головних компонент здійснюється за допомогою пакета “Статистика” у три етапи: розрахунок кореляційної матриці R; виокремлення головних компонент і розрахунок факторних навантажень; ідентифікація головних компонент. 7. Інформаційною базою компонентного аналізу можуть бути як первинні ряди (Raw data), так і кореляційна матриця (Correlation matrix). Тип інформаційної бази вказується на стартовій панелі модуля (Input file). 8. Процедури методу головних компонент – Principal components – представлено в модулі Factor Analysis – факторний аналіз. Праворуч розміщено поля для установлення параметрів моделі: Maximum no. of factors – максимальне число факторів і Minimum eigenvalue – мінімальне власне число. Якщо не задано іншого, ці параметри становлять відповідно 2 і 1. 9. За командою на виконання програми з’являється вікно Factor Analysis Results – результати факторного аналізу, в інформаційній частині якого вказується кількість ознак, метод аналізу, десятковий логарифм детермінанта кореляційної матриці, число видокремлених факторів і власні значення матриці λ j. 10. Після установлення Eigenvalues система видає таблицю значень власних чисел, які є дисперсіями головних компонент, а також внесок кожної з них у сумарну варіацію ознакової множини – % total Variance – внесок кожної компоненти у факторне навантаження – коефіцієнти сij. 11. З-поміж процедур обертання факторів – Factor rotation – вибирається Varimax normalized – варімакс нормалізований. Згідно з опцією Factor loadings маємо таблицю факторних навантажень, значення яких наближаються до 1 або 0. Ознаки, що навантажує кожна компонента, виділено. Це – коефіцієнти 12. Проводимо розрахунок вагових коефіцієнтів за формулою 8. 13. Вагові коефіцієнти наведені в додатку 2. 14. Вагові коефіцієнти однакові для обох методів розрахунку нормалізованих показників.
|