Другие новости по теме:
Комментарии (0) Факторный анализ 73
или 0,7. При переходе от непрерывных переменных к дихотомическим переменным корреляции уменьшаются. При этом на величину уменьшения влияет выбор точек деления. Если корреляции не очень велики, эффект, связанный с выбором точек деления, не столь значителен. Таким образом, группирование (дихо-томизация) переменных в целом уменьшает корреляции между ними, но не влияет на кластерную структуру данных, поскольку факторный анализ основан на относительной величине корреляций. Если цель исследования состоит в нахождении кластерной структуры, использование факторного анализа оправдано (Kim, Nie, Verba, 1977).
ж) Если отклонения, возникающие в решении из-за введения точек деления более значительны, чем отклонения, связанные с уменьшением корреляций при группировании, то почему бы не использовать относительные величины ф/фтах или R/Rmax вместо Ф и R?
Такой подход целесообразен только в том случае, когда распределение имеет какую-то особую (негауссову) форму (Carrol, 1961) или когда непрерывные переменные связаны функциональной зависимостью. В последнем случае не нужно применять факторный анализ. Поэтому данный подход нерационален (Kim, Nie, Verba, 1977).
з) Существуют ли какие-либо более прямые методы решения этих задач?
В литературе предложены два подхода. В каждом из них предполагается, что переменные, принимающие два либо несколько значений, являются индикаторными переменными для скрытых непрерывных переменных, к которым, безусловно, применима факторная модель. Соответственно для нахождения факторной структуры необходимо определить корреляции между скрытыми переменными. Первый путь связан с использованием тетрахори-ческих корреляций вместо ф. Этот подход является эвическим, поскольку вычисление таких корреляций не всегда возможно, и корреляционная матрица может не быть матрицей Грама (Bock, Lieberman, 1970). Другой подход непосредственно применяет скрытое многомерное распределение вместо вычисления тет-рахорических корреляций исходя из двумерных ц. Данный метод является многообещающим, однако требует чрезмерно большого объема вычислений даже для современных компьютеров (Christoffersson, 1975)*.