Факторный анализ в SPSS

    Практика показывает, что если вращение не произвело существенных изменений в структуре факторного пространства, это свидетельствует о его устойчивости и стабильности данных. Возможны ещё два варианта: 1) сильное перераспределение дисперсии — результат выявления латентного фактора; 2) очень незначительное изменение (десятые, сотые или тысячные доли нагрузки) или его отсутствие вообще, при этом сильные корреляции может иметь только один фактор, — однофакторное распределение. Последнее возможно, например, когда на предмет наличия определённого свойства проверяются несколько социальных групп, однако искомое свойство есть только у одной из них.

    Факторы имеют  две характеристики: объём объясняемой  дисперсии и нагрузки. Если рассматривать  их с точки зрения геометрической  аналогии, то касательно первой отметим, что фактор, лежащий вдоль оси ОХ, может максимально объяснять 70 % дисперсии (первый главный фактор), фактор, лежащий вдоль оси ОУ, способен детерминировать не более 30 % (второй главный фактор). То есть в идеальной ситуации вся дисперсия может быть объяснена двумя главными факторами с указанными долями. В обычной ситуации может наблюдаться два или более главных факторов, а также остаётся часть неинтерпретируемой дисперсии (геометрические искажения), исключаемая из анализа по причине незначимости. Нагрузки, опять же с точки зрения геометрии, есть проекции от точек на оси ОХ и ОУ (при трёх- и более факторной структуре также на ось ОZ). Проекции — это коэффициенты корреляции, точки — наблюдения, таким образом, факторные нагрузки являются мерами связи. Так как сильной считается корреляция с коэффициентом Пирсона R ≥ 0,7, то в нагрузках нужно уделять внимание только сильным связям. Факторные нагрузки могут обладать свойством биполярности — наличием положительных и отрицательных показателей в одном факторе. Если биполярность присутствует, то показатели, входящие в состав фактора, дихотомичны и находятся в противоположных координатах.

    Методы факторного  анализа:

• метод главных компонент
• корреляционный анализ
• метод максимального правдоподобия

Заключение

Факторный анализ параметров позволяет выявить на ранней стадии нарушение рабочего процесса (возникновение  дефекта) в различных объектах, которое  часто невозможно заметить путем  непосредственного наблюдения за параметрами. Это объясняется тем, что нарушение корреляционных связей между параметрами возникает значительно раньше, чем нарушение уровня сигнала в одном измерительном канале. Такое искажение корреляционных связей позволяет своевременно обнаружить факторный анализ параметров. Для этого достаточно иметь массивы зарегистрированных параметров (информационный портрет объекта).

Установлено, что показателем  технического состояния объекта  может служить среднее расстояние между факторными нагрузками для  выделенной группы параметров. Не исключено, что для этой цели могут использоваться и другие метрики нагрузок на общие факторы.

С целью определения  критических значений контролируемых расстояний между факторными нагрузками следует накапливать и обобщать результаты факторного анализа для однотипных объектов. Исследование показало, что наблюдение за общими факторами и соответствующими факторными нагрузками - это выявление внутренних закономерностей процессов в объектах.

Применение методики факторного анализа не ограничено физическими особенностями процессов, происходящих в технических объектах, и поэтому она (методика) может быть использована при исследовании самых различных явлений и процессов в технике, биологии, психологии, социологии и т. п.

Список используемой литературы.

1.Максимова О.В., Невзорова В.И. Информационные технологии для экономистов. -Ростов-на-Дону: Феникс, 2004. -416 с.

2.Автоматизированные информационные технологии в экономике: Учебник /Под ред. проф. Г.А. Титоренко.-М.: Компьютер, ЮНИТП, 2007 – 400 с.

3.Гайдамакин Н.А. Автоматизированные информационные системы, базы и банки данных. М: Гелиос АРВ, 2009.

4.Евдокимов В.В. и др. Экономическая информатика. /Учебник для вузов./ Под ред.д.э.н., профессора В.В. Евдокимова.-СПб.: Санкт-Петербург, 2007,-592 с.: ил.

5.Ильина О.В. Информационные технологии бухгалтерского учета. Учебное пособие. СПб.: Питер, 2008.

6.Информатика для юристов и экономистов / Симонович С.В. и др. СПб.: Питер, 2007.

7.Информационные системы в экономике. Базы данных: Учебное пособие. Чебоксары, 2007.

8.Петров В.Н. Информационные системы. СПб.: Питер, 2007.

9.Уткин В.Б., Балдин К.В. Информационные системы и технологии в экономике. Учебник. М.: ЮНИТИ, 2008.

10.Экономическая информатика / Конюховский П.В. и др. СПб.: Питер, 2007.

11.Экономическая информатика: Учебник / Под ред. В.П. Косарева и Л.В. Еремина. М.: Финансы и статистика, 2008

12.http://ru.wikipedia.org/wiki/Факторный_анализ

13.http://www.learnspss.ru/hndbook/glava19/cont1.htm