Radar —

Маркетинговые исследования и консультирование

Метод главных компонент (разведочный факторный анализ)

Снижение размерности, выявление факторной структуры

Для чего это нужно?

  • Выявление и анализ латентных переменных, определяющих наблюдаемые признаки.
  • Построение агрегированных характеристик (“факторов”), необходимых для дальнейшего использования в задачах сегментирования, моделирования и прогнозирования данных.

Как это работает?

На входе анализа – группа переменных, измеренных по интервальным или дихотомическим шкалам. В случае если в анализ необходимо включить порядковые переменные (например, степень согласия с рядом высказываний, измеренную по 5-балльной шкале), их необходимо предварительно оцифровать (с помощью статистического метода перекодировать в интервальные).

Анализ базируется на предпосылке, что измеряемые эмпирические показатели (переменные) являются следствием некоторых других, глубинных, скрытых от непосредственного измерения характеристик – латентных переменных. Например, когда человек отмечает степень своего согласия с рядом психографических высказываний (об образе жизни), то его ответы обусловлены рядом факторов, в числе которых, к примеру, консерватизм/современность, склонность/несклонность к риску, нацеленность на семью/карьеру, рассудительность/беззаботность и т.д.

Задача анализа – выявить эти факторы. Число выделяемых анализом главных компонент совпадает с числом переменных, включённых в анализ, но для снижения размерности необходимо отобрать лишь некоторые из них, которые наилучшим образом определяют структуру данных.

В задаче отбора главных компонент помогают факторные нагрузки – числа, свидетельствующие о том, насколько лучше/хуже, чем в среднем, данный фактор определяет структуру данных. Чаще всего отбираются главные компоненты с факторными нагрузками большими 1, т.е. те, которые определяют больший процент дисперсии, чем в среднем. Однако часто число факторов выбирается вручную исследователем с учётом теоретических предпосылок и понимания предмета исследования.

Что получаем в итоге?

Набор наиболее важных факторов, определяющих ответы на вопросы, включённые в анализ.

Например, фактор «Консерватизм» в большой степени определяет степень согласия с такими высказываниями как «Я не вижу смысла в освоении новых технологий, когда есть старые, проверенные», «Я буду вкладывать деньги только в проверенные банки», «Я уверенно пользуюсь техническими новинками» (в последнем случае люди, обладающие консерватизмом, чаще будут отвечать отрицательно). Фактор «Рассудительность будет определять ответы на вопросы «Я умею экономить», «Я люблю рисковать», «Я живу сегодняшним днем, не заботясь о завтрашнем» – для рассудительных людей будет иметь место склонность к согласию с первым высказыванием и несогласию со вторым.

Каковы преимущества метода?

Метод позволяет облегчить работу с данными, уменьшив число факторов, требующих внимания, а также выявлять глубинные критерии потребительского поведения и потребительского выбора.

Как еще больше узнать о методе?

  • Подпишитесь на нашу страницу в Facebook или Вконтакте и следите за нашими открытыми лекциями и выступлениями на конференциях. Если это научные конференции, как правило, участие в них свободное.
  • Если вы студент или выпускник НИУ ВШЭ, постарайтесь попасть на лекцию к Марку Шафиру в рамках курса «Современные методы анализа данных».
  • Закажите нам исследование с использованием этого метода.