Автор работы: Пользователь скрыл имя, 02 Октября 2011 в 22:08, реферат
Изучение социальных процессов ограничиваться методами пассивного эксперимента. При анкетировании, интервьюировании, тестировании он ограничивается регистрацией ответов-реакций на предложенные вопросы-признаки, которые, как предполагается, являются отражением скрытых социальных характеристик эмпирически наблюдаемого явления. В следствии этого, необходимым этапом в познании и понимании сущности социальных явлений является выявление этих латентных объясняющих характеристик (факторов, признаков) и их содержательная интерпретация.
Если предположить некоррелированными между собой характерные и общие факторы, то суммарную дисперсию можно представить следующим образом:
m
dj2
= 1 = Sajp2
+ dj2
,
р=1
В правой части данного соотношения стоят квадраты факторных нагрузок. Каждое слагаемое определяет обусловленную соответствующим фактором долю дисперсии наблюдаемого признака, т.е. вся дисперсия может быть разделена на две части:
m
h2j = Sajp2,
p=1
Поскольку факторы специфичности и ошибки между собой некоррелированны, для характерности и составляющих ее частей справедливо соотношение:
dj2 = bj2 + ej2.
Тогда суммарная дисперсия может быть записана в виде:
m
dj2 = 1 = Sajp2 + dj2 = hj2 + bj2 + ej2.
Р=1
Таким
образом, суммарная дисперсия состоит
из общности (соответствует факторам
F) и характерности, или иначе, суммарная
дисперсия параметра состоит из общности,
специфичности (соответствует факторам
S) и дисперсии ошибки (соответствует
факторам E).
5. Факторный анализ как метод понижения размерности пространства признаков.
Факторный анализ – это группа методов многомерного статистического анализа, которые позволяют представить в компактной форме обобщенную информацию о структуре связей между наблюдаемыми признаками изучаемого социального объекта. Среди задач, для решения которых используются методы факторного анализа, можно выделить следующие: понижение размерности пространства признаков; классификация объектов; выявление структуры взаимосвязей в наборе признаков; преобразование исходных переменных к более удобному для интерпретации виду; построение обобщающего показателя (индекса, шкалы); осуществление типологии объектов наблюдения; преобразование данных для использования в других моделях.
Основное предположение факторного анализа заключается в том, что совокупность измеренных переменных можно выразить в виде меньшего числа показателей – факторов. Таким образом, фактор представляет собой некую «модельную» характеристику объектов изучаемого множества. Данное предположение основывается на допущении, что на наблюдаемые признаки оказывает влияние (в той или иной степени) некий не наблюдаемый признак.
Методы
факторного анализа дают возможность
вычленить наиболее типичные соотношения
ответов и выяснить степень их
однотипности, агрегировать исходные
данные, выделить группы связанных
параметров, выявить общие закономерности.
Сущность факторного анализа заключается
в замене большого числа признаков, описывающих
объекты наблюдения, меньшим числом комплексных
характеристик (факторов). Основной задачей,
которую решают разнообразными методами
факторного анализа, является сжатие информации,
комплексное описание, переход от множества
значений по m элементарным признакам
с объемом информации n*m к ограниченному
множеству элементов матрицы факторного
отображения m*r или матрицы значений латентных
факторов для каждого наблюдаемого объекта
размерностью n*r, где r<m.
6. Индивидуальные значения факторов.
Факторный
анализ позволяет сохранить
7. Факторы как социологические индексы.
Измерение латентной переменной в эмпирических социологических исследованиях обычно происходит следующим образом. Социолог, понимая, что "лобовой" вопрос в анкете не работает, вместо него задает респонденту серию косвенных вопросов. Каждому из этих вопросов отвечает своя наблюдаемая переменная. Типы шкал всех таких переменных обычно считаются одинаковыми - номинальными или порядковыми. В случае номинальных шкал для получения значений латентной переменной используется техника логического квадрата (куба и т.д.). В случае порядковых шкал значение латентного признака для конкретного респондента чаще всего получается в результате суммирования ответов этого респондента на указанные вопросы (т.е. суммирования значений наблюдаемых переменных).
Латентная переменная, измеренная подобным образом, называется социологическим индексом.
Для того, чтобы строящийся социологический индекс был корректен, необходимо ответить на следующие вопросы:
Основным элементом модели, заложенной в факторном анализе, является априорное предположение о наличии латентных факторов, стоящих за наблюдаемыми переменными и объясняющих связи между последними.
Фактор – это та латентная переменная, измерение которой является нашей целью. Наблюдаемые признаки - вопросы в анкете.
В случае существования одномерной латентной переменной и удачного подбора наблюдаемых признаков можно считать, что наблюдаемое поведение респондента объясняется действием латентной переменной. Другими словами связи между наблюдаемыми переменными объясняются действием латентного фактора. Это, в свою очередь, уточняется с помощью аксиомы локальной независимости: фиксация значения латентной переменной приводит к распадению связей между наблюдаемыми переменными.
Итак,
наличие связи между
8. Вращение матрицы факторных нагрузок.
Вращение применяется для того, чтобы большие нагрузки сделать еще больше, а маленькие – еще меньше, т.е. чтобы можно было с большей уверенностью зачислить переменную в тот или иной фактор. При этом мы получаем новые факторы в виде специального вида линейной комбинации имеющихся факторов. Существует три различных подхода к проблеме вращения:
Наиболее часто используемыми методами ортогонального вращения являются:
n m
Q = Σ Σ aij .
i=1 j=1
На
практике, применяя этот критерий, можно
достичь простоту интерпретации
переменных за счет простоты интерпретации
факторов. Метод квартимакс имеет
тенденцию к выделению
m n m n
V = 1/n2 (Σn Σaij - Σ (Σ aij2)2.
j=1 i=1
j=1 i=1
αQ + βV = Maximum,
где γ = m/2 = β /(α + β).
Существуют два подхода к косоугольному вращению — использование вторичных осей и первичной матрицы факторного отображения.
1. Методы, основанные на введении вторичных осей (если существуют разделимые скопления точек, определяемые первичными факторами, то они будут иметь почти нулевые проекции на все вторичные оси, за исключением одной).
Информация о работе Методы многомерного статистического анализа