Главная страница
Навигация по странице:

  • Объясненная совокупная дисперсия

  • Матрица компонентов

  • Отчет по МИ. Анализ цен на товар а в 100 торговых точек города с помощью метода описательных статистик


    Скачать 117.76 Kb.
    НазваниеАнализ цен на товар а в 100 торговых точек города с помощью метода описательных статистик
    Дата03.04.2023
    Размер117.76 Kb.
    Формат файлаdocx
    Имя файлаОтчет по МИ.docx
    ТипАнализ
    #1034552
    страница4 из 4
    1   2   3   4



    KMO и критерий Бартлетта

    Мера адекватности выборки Кайзера-Майера-Олкина (КМО).

    ,509

    Критерий сферичности Бартлетта

    Примерная Хи-квадрат

    555,508

    ст.св.

    45

    Значимость

    ,000


    Величина КМО показывает приемлемую адекватность выборки для факторного анализа КМО = 0,509, это больше 0,5, что говорит о целесообразности факторного анализа в силу коррелированности факторов.


    Выявление и извлечение необходимого количества факторов для создания упрощенной структуры


    Объясненная совокупная дисперсия

    Компонент

    Начальные собственные значения

    Извлечение суммы квадратов нагрузок

    Ротация суммы квадратов нагрузок

    Всего

    % дисперсии

    Суммарный %

    Всего

    % дисперсии

    Суммарный %

    Всего

    % дисперсии

    Суммарный %

    1

    2,570

    25,704

    25,704

    2,570

    25,704

    25,704

    2,076

    20,762

    20,762

    2

    1,796

    17,956

    43,660

    1,796

    17,956

    43,660

    1,848

    18,476

    39,238

    3

    1,402

    14,020

    57,680

    1,402

    14,020

    57,680

    1,563

    15,628

    54,867

    4

    1,230

    12,296

    69,977

    1,230

    12,296

    69,977

    1,342

    13,422

    68,289

    5

    1,079

    10,794

    80,771

    1,079

    10,794

    80,771

    1,248

    12,482

    80,771

    6

    ,870

    8,699

    89,470



















    7

    ,431

    4,310

    93,780



















    8

    ,343

    3,434

    97,214



















    9

    ,270

    2,702

    99,916



















    10

    ,008

    ,084

    100,000



















    Метод выделения факторов: метод главных компонент.



    модель сохраняет 80,77% исходной информации

    Метод выделения: Анализ методом главных компонентов

    Матрица компонентовa




    Компонент

    1

    2

    3

    4

    5

    близость к городу

    ,555

    ,242

    ,407

    ,147

    ,490

    приемлемые цены

    -,596

    -,169

    ,046

    ,502

    ,476

    близость водоема, леса

    ,013

    -,079

    ,319

    ,303

    -,627

    уровень комфорта

    ,586

    ,522

    ,102

    -,131

    ,280

    тишина, уединение

    -,740

    ,555

    ,351

    -,107

    -,033

    хорошее питание

    ,234

    ,765

    -,428

    ,068

    -,064

    наличие развлечений

    ,341

    -,347

    ,766

    -,024

    ,048

    комфорт отдыха с детьми

    ,085

    ,178

    -,074

    ,900

    -,057

    возможность лечения, ухода за здоровьем

    -,735

    ,525

    ,401

    -,099

    -,041

    организация детского отдыха

    ,546

    ,330

    ,250

    ,099

    -,358

    Метод выделения факторов: метод главных компонент.

    a. Извлечено компонентов - 5.


    Матрица преобразований компонентов

    Компонент

    1

    2

    3

    4

    5

    1

    -,690

    ,611

    ,026

    ,366

    -,123

    2

    ,552

    ,488

    ,648

    ,191

    ,033

    3

    ,457

    ,355

    -,750

    ,321

    ,001

    4

    -,103

    -,006

    -,001

    ,147

    ,984

    5

    -,019

    ,512

    -,129

    -,839

    ,126

    Метод выделения факторов: метод главных компонент.

    Метод вращения: варимакс с нормализацией Кайзера.

    По методу главных компонентов:

    Фактор 1-возможность лечения, ухода за здоровьем, близость к городу

    Фактор 2-хорошее питание, тишина

    Фактор 3-наличие развлечений,

    Фактор 4-комфорт отдыха с детьми

    Фактор 5-близость водоема
    1   2   3   4


    написать администратору сайта