- раздел многомерного статистич. анализа, объединяющий математико-статистич. методы снижения размерности исследуемого многомерного признака x= (x1, х 2, . . ., x р)', т. е.-построения,- на основе исследования структуры связей между компонентами xixj, i, j=1,2, . . ., р,- таких моделей, к-рые позволяли бы восстанавливать (с нек-рой случайной ошибкой прогноза значения ранализируемых компонент признака хпо существенно меньшему числу так наз. общих (непосредственно не наблюдаемых) факторов f=(f1, f2, . . ., f т)'. Простейшим вариантом формализации подобной постановки задачи служит линейная нормальная модель Ф. а, с взаимно ортогональными общими факторами и с некоррелированными остатками:
ил
…
Далее
- раздел многомерного статистич. анализа, объединяющий математико-статистич. методы снижения размерности исследуемого многомерного признака x= (x1, х 2, . . ., x р)', т. е.-построения,- на основе исследования структуры связей между компонентами xixj, i, j=1,2, . . ., р,- таких моделей, к-рые позволяли бы восстанавливать (с нек-рой случайной ошибкой прогноза значения ранализируемых компонент признака хпо существенно меньшему числу так наз. общих (непосредственно не наблюдаемых) факторов f=(f1, f2, . . ., f т)'. Простейшим вариантом формализации подобной постановки задачи служит линейная нормальная модель Ф. а, с взаимно ортогональными общими факторами и с некоррелированными остатками:
или в матричной записи
где -матрица qкоэффициентов линейного преобразования наз. матрицей нагрузок общих факторов на исследуемые переменные. Предполагается, что вектор специфич. остатков (ошибок прогнозов) подчиняется р-мерному нормальному распределению с нулевым вектором средних значений и с неизвестной диагональной ковариационной матрицей вектор общих факторов f, в зависимости от специфики решаемой задачи, может интерпретироваться либо как m-мерная случайная величина с ковариационной матрицей Vf специального вида, а именно - с единичной (т. е. Vf=Im), либо как вектор неизвестных неслучайных параметров (взаимно ортогональных и нормированных), значения к-рых меняются от наблюдения к наблюдению. Если предположить, что наши переменные заранее процентрированы (т. е. то из (1') с учетом принятых допущений немедленно получается следующее соотношение, связывающее ковариационные матрицы векторов xи и матрицу нагрузок:
При проведении реального статистич. анализа исследователь располагает лишь оценками элементов ковариационной матрицы Vx (полученными по наблюдениям x1, х 2, ..., xn), в то время как структурные параметры модели - элементы qki матрицы нагрузок . и дисперсии специфич. остатков являются неизвестными и подлежат определению. Таким образом, при проведении Ф. <а. исследователю="" приходится="" последовательно="" решать="" следующие="" основные="" задачи:="">а.> существования или правомерности использования модели типа (1); ведь далеко невсякая ковариационная матрица Vx представима в виде (2); задача сводится к проверке гипотезы о специальной структуре связей между компонентами исследуемого вектора х;единственности (идентификации) модели типа (1); принципиальные трудности при вычислениях и интерпретации модели состоят в том, что при т> 1 ни структурные параметры, ни сами факторы не определяются однозначно; если пара является решением в соотношении (2), то и любая другая пара вида где с- ортогональная матрица размера тоже будет удовлетворять соотношению (2); обычно выясняют, при каких дополнительных априорных ограничениях на матрицу нагрузок qи на ковариационную матрицу остатков определение параметров q, f и анализируемой модели будет единственным; во
…
Перейти к полному виду статьи
Свернуть