Ким_ Мьюллер и др - Факторный_ дискриминантный и кластерный анализы (1185345), страница 17
Текст из файла (страница 17)
ВАЖИ (1967) "А сотрвивоп оГ Гонг гнейнн(в оГ сопв1тнстищ Гас!от зсотев." Рзусйотштйа 32:380.401. МШАВ(, Б.А. (1972) ТЬе Ронпйайопв оГ Расли Апв1увЬ. Мея Уойг: Мсбгая-НХИ. МЕДИНА(ХЯ, Х.О. впд С.%К(С!.ЕУ (1954) "ТЬе шетпой: ап ялйуйс арртоасЬ то оггпопопа1 вйпр1е втгнслие." ВийвЬ,!онпЫ оГ МатЬетпансв1 апд Ятайзйсв1 РвусЬо!о8у 7г81-91. ОБ!К)Я Малой. Апп АгЬог, М!сЬ.: Ытетй)пветйюу Сопзогйшп Гог Роййай КевеагсЬ, 1973.
КАО, СК. (1955) "Евтшгайоп апй гсвг оГ ИБп!Исапсе !п Гас!от зпа1увЬ." Рвусйопгегп!га 20г93-1 11. К()ММЕХ., К.Х. (1967) "()пдетзгапд!п8 Гастев апа1увЬ." Сопрйсг Квво1нйоп 11:444- 480. К(ХММЕХ., К.Х. (1970) Аррбей Вас!от Апйуяз. Егвпвгоп: МойЬяевгеш Сп!гшйюу Ртея. БАБ: А ()вег'з Сн!йе го ЯАБ 76. Апюйопу Х. Вап, Хапгев Н. СоойпщЫ, ХоЬп Р. БаИ, впй 1апе Т.
Не)я!8. Ка1ещЬ, М.С.: ЯАЯ 1пвйтн!е, Хпс., 1976. БРЯБ: Ятайвйса1 РасЬапе Гог тйе БосЫ Ясялсев. Моппап Н. М!е, С. НайЬй Ннб, 1евп С. Хенов, Капп ЯтешЬтеппег, впй Оа!е Веп!. Мел Уогш МсСгая-НШ, 1975. БА(Л'П)ЕКЯ, Х).К. (1953) Ап Апа1Уйс Мегпой Гог Котайоп 1о От!Ковала) БЬпу)е Яьнсыге. Кевеагсй ВнИейп 53-10. Рипсетол, МХс Еднсайопа1 Тевйпп Бете!се БА(лчх)ЕКБ, Р.К. (1960) "А сошрнгш рго8тяп го 6пй тье Ьевт-Итйп8 оггйо8опв1 Гвстогю Гот а Мгеп ьуротьеяв." Рзусьотпенка 25;199-205.
ЯСН(ТЕБЯ.ЕК, К. (1971) Апв1угюп8 Яося1 Овта. Воз!оп: НонЯЫоп М!66п. БОЕВОМ, Хт. впй К.С. ХОКЕЯХ(ОС (1976) СОРАММ: Сопуигпатоту Растог Апв1уяв я!гЬ Моде! Мой!Исвг!ол \!вот'в СнМе. СЫсаво: Мат!ола1 Ейпсайопа) Кевонгсев, 1пс. ЯТЕРНЕМЯОМ, Ит, (1953) ТЬе БюнйУ оГ Вйтвйог. СЫсало: ТЬе (Гп!гегйгУ оГ СЫ- саВо Ргевв. ЯТЕУЕМЯ, $.$. (1946) "Ол тйе гйеогу оГ всв!ев оГ тоеавнгетлепг." Яс!елее 103:677- 680. БТ1МСНСОМВЕ, А.1.. (1971) "А Ьешптзс ртоседше Гог !птетргет!лв Гас!от ала1уяв." Атпепсап Яос!о!ов!сз1 КегЬя 36:1080-1084. ТНОМРБОМ,СХГ.
(1934) "НотеПлгв'в тле!Вой юлой!Ией го 8!ге Бреатшап'в 8." 1онпта! оГ Ейнсапопа1 РвусЬо!о8у 25:366-374. тн(ткБтОме, )..ь. (1947) мныр!е Рве!от Апа1уйв. с1нсв8о: !)пмегз1гу оГ сыса8о Ргея. 72 ТКУОХ, С.К. апб ВАЬЬЕУ, 1).Е. (1970) Опвсег Алэ1увВ. Хечс Хогцс Мсбгам-НВЬ Т()СКЕК, Ь.К. (1966) "Боте пытдетапсэ1 пота оп Осте тобе (ас1ог апа1умв." Рвусйотесгйса 3 1: 279-311. ТБСКЕК, Ь.К. (1971) "Ке1айопв о( (ассов всосс евйпасев то сдсвг пве." РвусЬотесп!са 36:427.436. 'П)СКЕК,Ь,К., К.Р. КООРМАХ, эпб К.ЫЛХХ (1969) "Ечэ(пэпоп о( Гас!от апэ)ус)с твевгсЬ ртсебвтв Ьу теапв о( ато!асеб сопе1абоп тэсс!сев." РвусЬотс(п1са 34:421-459. 'ПККЕК, 1..К.
зпд С. ЬЕ%18 (1973) "А гс!!вЬс1!су сое(йссспс (ос тахипвт Шсе- 1!Ьоод (ассов апа!упв." Рвуспопсеыйса 38:1-8. ЧЕЬ!СЕК,)Ч.К (1975) "ТЬе ге!абоп Ьесчссеп (во!от всоссв, ппвэс всогев, апб рппс!ра! сотропепс всосев." Едпсас!опэ) апб Рвуспо!ов!са! Меаввсетепс 36:149-159. ВсАПЧЕК,Н. (1976) "Евбтайпк соерйс!епсв сп йпеаг любав В боп'с теде по печеппыб." Рвусво!оя)сэ) Вв!!ейп 83:213-217. )ЧАХС, МЛЧ. эпб!С ЯТАХЬЕУ (1970) 70!1(степ!!а! чсе!8Ыпв: а гечмвс О(тегйоэв апд епсрИсв1 в!об!ев," Кеч!есч о( Ебпсабопа1 Кевеатп 40:663-705. ГЛОССАРНИ Альфа-факторнмй анализ (а1рйа !ас!ог!пй): метод получения первоначального факторного решении, в котором переменные считаются выборкой из генеральной совокупности переменных; описан в работе (Кащег апб СаНгеу, 1966). Биквартнмин (Ь!с)негШп!п сгйег!оп): критерий, применяемый при получении косоугольного решения.
Взримакс (чаг!тах): метод получения ортогонального решения, который сводится к упрощению факторной структуры с использованием критерия минимизации дисперсии столбца матрицы факторного отображения. Вторичные оси (ге1егепсс ахез): оси, ортогональные первичным факторам; вводятся для упрощения косоугольного вращения. Выделение факторов (ех!гасИоп о( (ас!огв): первоначальный этап фактор- ного анализа; ковариационная матрица воспроизводится посредством небольшого числа скрытых факторов нли компонент. Главные компоненты (рг!пс!ра! сотропеп1в): линейная комбинация наблюдаемых переменных, обладающая свойством ортогональности; первая главная компонента воспроизводит наибольшую долю дисперсии экспериментальных данных; вторая — следующую по величине долю н т. дс главные компоненты часто считаются общими факторами, но более корректно предположение, что они противоположны им, поскольку общие факторы являются гипотетическими.
Главных осей метод (рппс!ра! ахМ 1ас1ог!пя)с метод получения первоначального факторного решения, при использовании которого редуцированная корреляционная матрица подвергается последовательной деномпозиции; метод главных осей с итерациями по общности эквивалентен методу наименьших квадратов. Грама матрица (Огат!ап): квадратная симметрическая матрица, все соб. огненные числа которой неотрицательны; корреляционная (нередуцировашсая) и ковариациониая матрицы являются матрицами Грэма. Детерминант (бе1егш!пап!): 'характеристика квадратной матрицы; используется при определении ранга (числа независимых строк илн столбцов) редуцированной корреляционной матрицы. Дисперсия (чзг!апсе); мера разброса параметра; определяется как сумма квадратов отклонений от среднего, деленная на число зиачегшй, Значение фактора (1ас1ог зсоге); оценка скрытого фактора в терминах наблюдаемых переменных; в факторном анализе имеет второстепенное значение.
Кайзера критерий (Ка!аег сгйег!оп): критерий определения числа выделяемых факторов; предложен Гуттманом н Кайзером; также известен, как критерий «собственных чисел, больших 1э. Киартнмакс (цнаг(плах): критерий получения ортогонального решения; сводится к упрощению описания строк матрицы факторного отображения. Кввртимин (цпаг1!ш!п); иритерий получения косоугольного решения; мнвимнзируется тот же функционал, что и в критерии квартимакс без наложения ограничения ортогональностн; требует введения вторичных осей. Коварнацнй анализ (сочзг!апсе-з1гцс1цге апа!уз!з): метод анализа, з котором: 1) наблюдаемые коэффициенты ковариацни описмваются в рамках общей модели, включающей гипотетические факторы и наблюдаемые переменные; 2) исследователь затем определяет соответствующие значения, оценивая адекватность этого определения по отношению к структуре выборочных коэарнаций. Коварнацнн коэффициент (сочапапсе): мера зависимости между двуми переменнымн; равен коварнапнн, деленной на число наблюдаемых значений; среднее значение сумм попарных произведений отклонений значений переменных от их среднего; для переменных в стандартной форме равен коэффициенту корреляции.
Коварнация (сочаг)а!!оп): мера зависимости двух переменных; измеряется как сумма попарных произведений отклонений переменных от их среднего; используется как общий термин для описания зависимости между переменнымн. Коварнмнн (сочзг)ш!п): критерий, применяемый для получения косоуголь. ного решения. Конфирнаторный факториый анализ (соп1!гша!огу 1ас1ог апа!уз!э); факториый анализ, в котором проверяются гипотезы о числе факторов и их нагрузках. Корреляция (согге!акоп): мера зависимости между двумя переменнымн; обычно используется коэффициент корреляции Пирсона г, который равен ковариацни двух параметров в стандартной форме; используется как общий термин для любого вида линейной зависимости между переменными; отметим, что переменная в стандартной форме имеет нулевое математическое ожидание н единичную дисперсию.
Косоугольное вращение (оЫ!цце го1айоп): преобразование, с помощью которого получается простая структура; факторы вращаются без наложения условия ортогоиальиости, н результирующие факторы, вообще говоря, коррелируют друг с другом. Косоугольные факторы (оЫщпе 1ас1огз): факторы, которые коррелируют друг с другом; получаются в результате косоугольного вращения. Линейная комбинация (1!пеаг сошЫна1!оп): сумма, в которую переменные входят с постояннымн веснин.
Линейная система (!!пеаг зузгеш): линейная зависимость между переменными; в факториом анализе — модель, в которой измеряемые величины линейно связаны со скрытымн факторами. Максимального правдоподобия метод (шахппшп !!ке!!пооб]: метод статистического оценивания, в котором определяется значение переменных генеральной совокупности с использованием выборочного распределения; в факторном анализе — метод получения первоначального факторного решения, его варианты включают канонический факторный анализ и метод минимизации определителя матрицы остаточных козффнцнентов корреляции. Математическое ожидание (ехрес1а1!оп): среднее значение случайной величины, определяемое как для дискретных, так н для непрерывных законов ее распределения; математическое ожидание является характеристикой данной величины.
Модельные данные (еггог.1гее ба1а): данине, для которых скрытая факторная структура предполагается известной н достигается точное соответствие данных и модели. Монте-Карло метод (Моп1е Саг!о ехрегппеп1); методика статистического моделирования выборочных характеристик. Наименьших квадратов метод (!еаз(-зопагеа зо!и1!оп): решение, для которого мияимизируется сумма квадратов отклонений между наблюдаемыми н предполагаемыми значениями; в факторном анализе — метод получения первоначального факторного решения, варианты которого включают метод главных осей с итерациями по общностям н метод минимальных остатков.
Облнмакс (оЫппах): критерий получения косоугольного решения; эквивалентен критерию квартимаис при ортогональном вращении. Облимин (оЫпп!п): общий критерий получения косоугольного решения, для которого матрица отображения упрощается с использованием вторичных осей; его варианты включают критерии биквартимин, коваримик и квартимин.
Образов анализ (!шаде 1ас1ог!пя): метод получения первоначального факторного решения; наблюдаемая переменная представляется в виде образа и антиобраза вместо общей и характерной частей. Общая часть (сопппоп раг1): часть наблюдаемой переменной, связанной с общими факторами. Общий фактор (согпгпоп 1ас1ог): неизмеряемая (гипотетическая) скрытая величина, которая учитывает корреляцию по крайней мере между двумя наблюдаемыми переменными.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
