ਮੁੱਖ ਭਾਗਾਂ ਦੀ ਵਿਧੀ

ਮੁੱਖ ਭਾਗਾਂ ਦੀ ਵਿਧੀ ਚਤੁਰਭੁਜ ਦੇ ਇੱਕ ਨਿਸ਼ਚਿਤ ਸਮੂਹ ਵਿੱਚ ਵੱਧੋ-ਵੱਖ ਤਰਤੀਬ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੇ ਯਤਨਾਂ 'ਤੇ ਅਧਾਰਤ ਹੈ, ਅਤੇ ਵਿਕਰਣ ਦੇ ਨਾਲ ਸਬੰਧਿਤ ਮੈਟ੍ਰਿਕਸ ਵਿੱਚ ਸਥਿਤ ਤੱਤ ਦੇ ਅਧਾਰ ਤੇ ਹੈ. ਕਾਰਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਹੋਰ ਵਿਧੀ ਹੈ ਜਿਸਦੇ ਨਿਸ਼ਚਤ ਨਿਸ਼ਚਿਤ ਗਿਣਤੀ ਦੇ ਕਾਰਕਾਂ (ਘੱਟ ਗਿਣਤੀ ਦੇ ਚਿੰਨ੍ਹ ਤੋਂ ਘੱਟ) ਨਾਲ ਸਬੰਧ ਮੀਟ੍ਰਿਕਸ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਹੈ, ਲੇਕਿਨ ਪਹਿਲੇ ਪ੍ਰਸਤਾਵਿਤ ਵਿਧੀ ਤੋਂ ਅੰਦਾਜ਼ਾ ਦੀਆਂ ਵਿਧੀਆਂ ਕਾਫ਼ੀ ਮਹੱਤਵਪੂਰਨ ਹਨ.

ਇਸ ਲਈ, ਕਾਰਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਿਧੀ ਸਾਨੂੰ ਵੇਅਰਿਏਬਲਜ਼ ਦੇ ਆਪਸੀ ਸਬੰਧਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ, ਅਤੇ ਇਹ ਉਸ ਸੰਬੰਧ ਦੇ ਮੈਟ੍ਰਿਕਸ ਦੇ ਤੱਤ 'ਤੇ ਨਿਰਭਰ ਹੈ ਜੋ ਕਿ ਇਸਦੇ ਵਿਕਰਣ ਦੇ ਬਾਹਰ ਹਨ

ਅਮਲੀ ਅਰਜ਼ੀ 'ਤੇ ਆਧਾਰਿਤ, ਆਓ ਇਸ ਨੂੰ ਜਾਂ ਇਸ ਵਿਧੀ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਲੋੜ ਨੂੰ ਸਮਝਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੀਏ. ਫੈਕਟਰ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਰਤੋਂ ਉਦੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜਦੋਂ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਆਪਸੀ ਸੰਬੰਧਾਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਵਿਚ ਖੋਜਕਰਤਾ ਦੀ ਦਿਲਚਸਪੀ ਹੁੰਦੀ ਹੈ, ਮੁੱਖ ਕੰਪੋਨੈਂਟ ਦੀ ਵਿਧੀ ਵਰਤੀ ਜਾਂਦੀ ਹੈ ਜੇ ਡਾਟਾ ਦੀ ਘਾਤਕਤਾ ਨੂੰ ਘਟਾਉਣ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਘੱਟ ਹੱਦ ਤਕ ਉਹਨਾਂ ਦੀ ਵਿਆਖਿਆ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ.

ਅਭਿਆਸ ਦੇ ਅਧਾਰ ਤੇ, ਅਸੀਂ ਦੇਖ ਸਕਦੇ ਹਾਂ ਕਿ ਕਾਰਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀਆਂ ਵਿਧੀਆਂ ਬਹੁਤ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਨਿਰੀਖਣਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ. ਇਸ ਦੇ ਨਾਲ ਹੀ, ਇਹ ਮਾਤਰਾ ਮਾਪਿਆ ਗਿਆ ਕਾਰਕਾਂ ਦੀ ਗਿਣਤੀ ਨਾਲੋਂ ਵੱਧ ਪੈਮਾਨੇ ਦੇ ਆਕਾਰ ਦੁਆਰਾ ਵੱਧ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ.

ਮਾਰਕੀਟਿੰਗ ਖੋਜ ਵਿੱਚ ਮੁੱਖ ਭਾਗਾਂ ਦੀ ਵਿਧੀ ਬਹੁਤ ਮਸ਼ਹੂਰ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਬਹੁਰੰਗੀਨਾਰੀ ਸ਼ੁਰੂਆਤੀ ਡੇਟਾ ਦੀ ਮੌਜੂਦਗੀ ਵਿੱਚ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ. ਅਜਿਹੇ ਮਾਰਕੀਟਿੰਗ ਖੋਜ ਦੀ ਪ੍ਰਕ੍ਰਿਆ ਵਿੱਚ, ਪ੍ਰਸ਼ਨਾਵਲੀ ਵਿੱਚ ਅਜਿਹੇ ਸਵਾਲ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਪ੍ਰਾਪਤ ਜਵਾਬ ਮਲਟੀਕੋਲਰੇਲਾਈਰੀਟੀ ਦੇ ਸਿਧਾਂਤਾਂ ਦੇ ਅਨੁਸਾਰੀ ਹੋਣਗੇ.

ਸੂਚਕਾਂਕ ਦੇ ਇੱਕ ਸਮੂਹ ਵਿੱਚ ਮੁੱਖ ਭਾਗਾਂ ਦੇ ਢੰਗ ਤੇ ਵਿਚਾਰ ਕਰਨ ਦੀ ਸਲਾਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਕਿ ਖੋਜਕਰਤਾ ਲਈ ਭਾਗਾਂ ਜਾਂ ਕਾਰਕਾਂ ਦੀ ਗਿਣਤੀ ਦੀ ਸ਼ੁਰੂਆਤੀ ਚੋਣ ਵਿੱਚ ਮਾਰਗਦਰਸ਼ਕ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ. ਇਹਨਾਂ ਵਿੱਚੋਂ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹਨ eigenvalues, ਵੇਰੀਏਬਲ ਦੇ ਤਰਕ ਦੇ ਪੱਧਰ ਦਾ ਪ੍ਰਗਟਾਵਾ, ਇਸ ਕਾਰਕ ਦੁਆਰਾ ਵਿਖਿਆਨ ਕੀਤਾ. ਇਕ ਮਹੱਤਵਪੂਰਣ ਅਨੁਭਵੀ ਨਿਯਮ ਵੀ ਹੈ, ਜੋ ਕਾਰਕਾਂ ਦੀ ਗਿਣਤੀ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਬਹੁਤ ਲਾਭਦਾਇਕ ਹੈ (ਜਿੰਨੇ ਕਾਰਕ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ). ਇਸ ਨਿਯਮ ਨੂੰ ਥੋੜਾ ਜਿਹਾ ਸਰਲ ਤਰੀਕੇ ਨਾਲ ਵਿਆਖਿਆ ਕਰਨਾ ਸੰਭਵ ਹੈ - ਪ੍ਰਕਿਰਿਆਵਾਂ ਗੁਣਾਂ ਦੁਆਰਾ ਸਪੱਸ਼ਟ ਕੀਤੇ ਗਏ ਵੇਰੀਏਬਲਾਂ ਦੇ ਆਮ ਵਰਗ ਦੇ ਅੰਸ਼ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਅਤੇ ਇੱਕ ਤੋਂ ਵੱਧ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਤੋਂ ਵੱਧ ਪਰਿਵਰਤਨਸ਼ੀਲ ਫੋਲਾਂ ਵਿੱਚ ਸ਼ਾਮਿਲ ਕੀਤੇ ਇਨ੍ਹਾਂ ਰੂਪਾਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ.

ਇਹ ਇਕ ਵਾਰ ਫਿਰ ਸਪੱਸ਼ਟ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ ਕਿ "ਵਿਅਕਤੀਗਤ ਵਿਹਾਰਕਤਾ" ਦਾ ਸ਼ਾਸਤਰ ਅਨੁਭਵੀ ਹੈ, ਅਤੇ ਇਸਦੀ ਅਰਜ਼ੀ ਦੀ ਲੋੜ ਦਾ ਸਵਾਲ ਸਿਰਫ ਖੋਜਕਾਰ ਦੁਆਰਾ ਹੀ ਹੱਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਇੱਕ eigenvalue ਦਾ ਮੁੱਲ ਇਕ ਤੋਂ ਘੱਟ ਹੁੰਦਾ ਹੈ, ਪਰ ਇਹ ਫੈਲਣ ਨੂੰ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਵੇਰੀਏਬਲਾਂ ਦੇ ਵਿਚ ਵੰਡਿਆ ਹੋਇਆ ਹੈ. ਮਾਰਕੀਟਿੰਗ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਮਾਹਰ ਲਈ, ਇਹ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਜਦੋਂ ਵੰਡਣਾ ਹੋਵੇ ਤਾਂ ਪਛਾਣੇ ਗਏ ਕਾਰਕਾਂ ਦਾ ਅਰਥਪੂਰਨ ਮਤਲਬ ਹੁੰਦਾ ਹੈ. ਅਤੇ ਉਹ ਕਾਰਕ ਜਿਨ੍ਹਾਂ ਵਿਚ ਇਕ ਤੋਂ ਵੱਧ ਈਗੈਨਵਲੀਆਂ ਹਨ, ਪਰ ਅਰਥਪੂਰਨ ਵਿਆਖਿਆ ਨਹੀਂ, ਉਨ੍ਹਾਂ ਨੂੰ ਧਿਆਨ ਵਿਚ ਨਹੀਂ ਰੱਖਿਆ ਜਾਵੇਗਾ. ਅਤੇ ਸਥਿਤੀ ਕਾਫ਼ੀ ਉਲਟ ਹੋ ਸਕਦੀ ਹੈ.

ਕਾਰਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਢੰਗਾਂ ਦੀ ਪ੍ਰੈਕਟੀਕਲ ਵਰਤੋਂ ਸੰਬੰਧੀ ਇਕ ਹੋਰ ਅਹਿਮ ਮੁੱਦਾ ਹੈ ਰੋਟੇਸ਼ਨ ਦਾ ਸਵਾਲ. ਰੋਟੇਸ਼ਨ ਦੇ ਅਜਿਹੇ ਰੂਪਾਂ ਤੇ ਵਿਚਾਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. ਇਹਨਾਂ ਵਿਚੋਂ ਸਭ ਤੋਂ ਵੱਧ ਪ੍ਰਸਿੱਧ ਵਰਮੀਅਮ ਵਿਧੀ ਹੈ. ਇਹ ਹਰੇਕ ਵਿਅਕਤੀਗਤ ਕਾਰਕ ਲਈ ਬਦਲਣ ਦੇ ਵੱਧ ਤੋਂ ਵੱਧ ਪੱਧਰ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ 'ਤੇ ਅਧਾਰਤ ਹੈ. ਇਹ ਢੰਗ ਇੱਕ ਚੱਕਰ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਕੁਝ ਵੇਰੀਏਬਲ ਉੱਚ ਮੁੱਲ ਲੈਂਦੇ ਹਨ, ਜਦਕਿ ਦੂਸਰੇ ਹਰੇਕ ਵਿਅਕਤੀਗਤ ਕਾਰਕ ਲਈ ਕਾਫੀ ਘੱਟ ਹੁੰਦੇ ਹਨ.

ਰੋਟੇਸ਼ਨ ਦੀ ਇਕ ਹੋਰ ਤਰੀਕਾ ਇਕ ਕਿਲਟੋਮੇਕਸ ਹੈ, ਇਸ ਨਾਲ ਇਕ ਵਿਸ਼ੇਸ਼ ਮੋੜ ਲੱਭਣ ਵਿਚ ਮਦਦ ਮਿਲਦੀ ਹੈ ਜਿਸ ਵਿਚ ਹਰੇਕ ਵਿਅਕਤੀ ਦੀ ਵੇਰੀਏਬਲ ਦੇ ਕਾਰਕ ਘੱਟ ਅਤੇ ਉੱਚ ਬੋਝ ਦੋਨੋ ਹੁੰਦੇ ਹਨ.

ਰੋਟੇਸ਼ਨ ਸਮਾਈਮੈਕਸ ਦੀ ਵਿਧੀ ਉੱਪਰ ਦੱਸੇ ਦੋ ਤਰੀਕਿਆਂ ਦੇ ਵਿਚਕਾਰ ਕੁਝ ਸਮਝੌਤਾ ਹੈ.

ਇਹ ਸਾਰੇ ਤਰੀਕੇ ਓਰੀਓਗੋਨਲ ਨੂੰ ਪਰਸਪਰ ਲੰਬਵਤ ਧੁਰੇ ਨਾਲ ਸੰਕੇਤ ਕਰਦੇ ਹਨ; ਜਦੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਵਿਅਕਤੀਗਤ ਕਾਰਕਾਂ ਦੇ ਆਪਸੀ ਸੰਬੰਧਾਂ ਦੀ ਕਮੀ ਹੁੰਦੀ ਹੈ.