कारक विश्लेषण

@Gottfried, मैं आपके द्वारा डाले गए तरीके से असहमत हूँ। सभी एफए तरीकों की आवश्यकता होती है कारकों की संख्या मीटर में जाना जाता है: आप के लिए मॉडल फिट मीटर अधिक हो जाए। आप विभिन्न मानदंडों का उपयोग कर सकते हैं जो मी पर निर्णय कारक विश्लेषण लेने में मदद कर सकते हैं , लेकिन ये सभी स्वयं कारक निष्कर्षण विधियों का हिस्सा नहीं कारक विश्लेषण हैं। उस ची-स्क्वायर के अपवाद के साथ, जीएलएस और एमएल तरीकों के साथ गणना की गई। कारक विश्लेषण इसके अलावा, पीए विधि के साथ, यदि आप पहले से ही सच्ची सांप्रदायिकता जानते हैं (जो बहुत ही कम है), तो आप उन्हें सर्वश्रेष्ठ मी की ओर मार्गदर्शन करने के लिए बना सकते हैं । लेकिन किसी भी मामले में, इसके आप, एक निष्कर्षण एल्गोरिथ्म नहीं, मीटर पर निर्णय लेते हैं ।

प्रधान घटक और कारक विश्लेषण

प्रमुख घटक विश्लेषण (पीसीए) और कारक विश्लेषण (एफए) सांख्यिकीय तकनीक हैं जिनका उपयोग डेटा में कमी या संरचना का पता लगाने के लिए किया जाता है। जब शोधकर्ता इसमें रुचि रखते हैं तो इन दो विधियों को चर के एक सेट पर लागू किया जाता है यह पता लगाना कि समुच्चय में कौन से चर सुसंगत उपसमूह बनाते हैं जो अपेक्षाकृत एक से स्वतंत्र हैं एक और। चर जो एक दूसरे के साथ सहसंबद्ध हैं, लेकिन चर के अन्य सेटों से काफी हद तक स्वतंत्र हैं, कारकों में संयुक्त हैं। ये कारक आपको कई कारकों को एक कारक में जोड़कर अपने विश्लेषण में चर की संख्या को कम करने की अनुमति देते हैं।

पीसीए या एफए के विशिष्ट लक्ष्य के पैटर्न को संक्षेप में प्रस्तुत करना है सहसंबंध मनाया चर के बीच, छोटी संख्या में मनाया चर की एक बड़ी संख्या को कम करने के लिए, एक प्रदान करने के लिए प्रतिगमन कारक विश्लेषण समीकरण देखे गए चर का उपयोग करके एक अंतर्निहित प्रक्रिया के लिए, या अंतर्निहित प्रक्रियाओं की प्रकृति के बारे में एक सिद्धांत का परीक्षण करने के लिए।

उदाहरण

उदाहरण के लिए, एक शोधकर्ता स्नातक छात्रों की विशेषताओं का अध्ययन करने में रुचि रखता है। शोधकर्ता व्यक्तित्व विशेषताओं जैसे स्नातक छात्रों के एक बड़े नमूने का सर्वेक्षण करता है प्रेरणा, बौद्धिक क्षमता, शैक्षिक इतिहास, पारिवारिक इतिहास, स्वास्थ्य, शारीरिक विशेषताएं, आदि। इनमें से प्रत्येक क्षेत्र को कई चर के साथ मापा जाता है। तब चर को व्यक्तिगत रूप से विश्लेषण में दर्ज किया जाता है और उनमें से सहसंबंधों का अध्ययन किया जाता है। विश्लेषण में उन चर के बीच सहसंबंध के पैटर्न का पता चलता है जो स्नातक छात्रों के व्यवहार को प्रभावित करने वाली अंतर्निहित प्रक्रियाओं को प्रतिबिंबित करने के लिए सोचा जाता है। उदाहरण के लिए, बौद्धिक क्षमता के उपायों में से कई चर, शास्त्री इतिहास के कुछ चर के साथ संयोजन करके बुद्धि को मापने वाले कारक का निर्माण करते हैं। इसी तरह, व्यक्तित्व उपायों से चर प्रेरणा और विद्वानों से कुछ चर के साथ गठबंधन कर सकते हैं इतिहास एक छात्र को स्वतंत्र रूप से काम करने के लिए पसंद कारक विश्लेषण करने वाले डिग्री को मापने के लिए एक कारक बनाने का उपाय करता है - एक स्वतंत्रता कारक।

प्रमुख घटक विश्लेषण और कारक विश्लेषण के बीच अंतर

प्रधान घटक विश्लेषण और कारक विश्लेषण समान कारक विश्लेषण हैं क्योंकि दोनों प्रक्रियाओं का उपयोग चर के एक सेट की संरचना को सरल बनाने के लिए किया जाता है। हालाँकि, विश्लेषण कई महत्वपूर्ण तरीकों से भिन्न है:

• पीसीए में, घटकों की गणना मूल चर के रैखिक संयोजनों के रूप में की जाती है। एफए में, मूल चर को कारकों के रैखिक संयोजनों के रूप में परिभाषित किया गया है।
• पीसीए में, लक्ष्य कुल के रूप में ज्यादा के लिए जिम्मेदार है झगड़ा संभव के रूप में चर में। एफए का उद्देश्य चर के बीच सहसंबंध या सहसंबंधों की व्याख्या करना है।
• पीसीए का उपयोग कम संख्या में घटकों में डेटा को कम करने के लिए किया जाता है। एफए का उपयोग यह समझने के लिए किया जाता है कि डेटा क्या निर्माण करता है।

प्रधान घटक विश्लेषण और कारक विश्लेषण के साथ समस्याएं

पीसीए और एफए के साथ एक समस्या यह है कि समाधान का परीक्षण करने के लिए कोई मापदंड चर नहीं है। अन्य सांख्यिकीय तकनीकों में जैसे कि विभेदक कार्य विश्लेषण, लॉजिस्टिक प्रतिगमन, प्रोफ़ाइल विश्लेषण और बहुभिन्नरूपी भिन्नता का विश्लेषण समाधान को इस बात से आंका जाता है कि यह समूह सदस्यता की कितनी अच्छी भविष्यवाणी करता है। पीसीए और एफए में, समूह सदस्यता जैसी कोई बाहरी मानदंड नहीं है जिसके खिलाफ समाधान का परीक्षण करना है।

पीसीए और एफए की दूसरी समस्या यह है कि, निष्कर्षण के बाद, अनंत संख्या में रोटेशन उपलब्ध है, मूल डेटा में विचरण की समान मात्रा के लिए सभी लेखांकन, लेकिन कारक को थोड़ा परिभाषित किया गया है विभिन्न। अंतिम विकल्प शोधकर्ता को इसकी व्याख्या और वैज्ञानिक उपयोगिता के आकलन के आधार पर छोड़ दिया जाता है। शोधकर्ता अक्सर राय में भिन्न होते हैं कि कौन सा विकल्प सबसे अच्छा है।

Personal Loan: जेब में नहीं है पैसा तो ऐसे उठाएं फायदा, लेकिन पहले जान लें ये जरूरी बात

डीएनए हिंदी: यदि आपको पर्सनल लोन (Personal Loan) की जरुरत है तो आपके लिए यह समझना बेहद जरूरी है कि आपको कितने रुपये कारक विश्लेषण का लोन चाहिए. अगर आपने जरुरत से ज्यादा लोन ले लिया तो यह आपके लिए वित्तीय बोझ भी बन सकता है. व्यक्तिगत ऋण यानी कि पर्सनल लोन पैसा जुटाने का एक अवसर प्रदान करता है. हालांकि उधारकर्ता के लिए यह सबसे जरूरी है कि वह समय से लोन कारक विश्लेषण की EMI चुकाता रहे नहीं तो उसे समस्या हो सकती है. खैर, ऑनलाइन पर्सनल लोन पाने कारक विश्लेषण के लिए आपको कुछ चीजों का ध्यान रखना जरूरी है. यहां हम उसी के बारे में बता रहे हैं.

कारक विश्लेषण में सर्वोत्तम कारक निष्कर्षण विधियाँ

पहला तरीका अनदेखा करना, जो कि कारक विश्लेषण नहीं है (लेकिन प्रमुख घटक विश्लेषण, पीसीए), इनमें से कौन सा तरीका "सबसे अच्छा" है? विभिन्न तरीकों के सापेक्ष लाभ क्या हैं? और मूल रूप से, मैं कैसे चुनूंगा कि किसका उपयोग करना है?

अतिरिक्त प्रश्न: क्या सभी 6 विधियों से समान परिणाम प्राप्त करना चाहिए?

हम्म, मेरा पहला आवेग: इस पर एक विकिपीडिया प्रविष्टि नहीं है? यदि नहीं - निश्चित रूप से वहाँ मौजूद होना चाहिए .

हाँ, एक विकिपीडिया लेख है। यह MLE का उपयोग करने के लिए कहता है यदि डेटा सामान्य है और पीएएफ अन्यथा। यह गुण या अन्य विकल्पों के कारक विश्लेषण बारे में बहुत कुछ नहीं कहता है। किसी भी मामले में, मुझे यह जानकर खुशी होगी कारक विश्लेषण कि इस साइट के सदस्य अपने व्यावहारिक अनुभव के आधार पर इस मुद्दे पर क्या सोचते हैं।

इसे छोटा करना। दो अंतिम विधियाँ 2-5 संख्याओं से प्रत्येक बहुत विशेष और भिन्न हैं। वे सभी सामान्य कारक विश्लेषण कहलाते हैं और वास्तव में विकल्प के रूप में देखे जाते हैं। ज्यादातर समय, वे समान परिणाम देते हैं। वे "सामान्य" हैं क्योंकि वे शास्त्रीय कारक मॉडल का प्रतिनिधित्व करते हैं , सामान्य कारक + अद्वितीय कारक मॉडल। यह वह मॉडल है जो आम तौर पर प्रश्नावली विश्लेषण / सत्यापन में उपयोग किया जाता है।

एमसीडी चुनावः शिक्षा, स्वास्थ्य, स्वच्छता पर हो रहे मतदान

नई दिल्ली। दिल्ली नगर निगम (एमसीडी) (MCD) के लिए रविवार को हो रहे चुनाव (Election) में मतदाताओं (Voter) के लिए शिक्षा और स्वास्थ्य ढांचे का विकास, स्वच्छता तथा बेहतर सुविधाएं प्रमुख मुद्दे हैं। मतदान सुबह आठ बजे शुरू हुआ और शाम साढ़े पांच बजे तक चलेगा। मतों की गिनती सात दिसंबर को होगी। एमसीडी के 250 वार्ड के चुनाव में 1.45 करोड़ से अधिक लोग अपने मताधिकार का प्रयोग करने के पात्र हैं, जिसके परिणाम राष्ट्रीय राजधानी से परे प्रभाव डालने की क्षमता रखते हैं।

आरती कोहली (47) के लिए स्वच्छता (Cleanliness) मुख्य मुद्दा है और उन्हें उम्मीद है कि जो कोई भी नगर निकाय की कमान संभालेगा, वह स्वच्छता के मुद्दे पर काम करेगा। उन्होंने कहा, एमसीडी चुनाव महत्वपूर्ण है क्योंकि यह स्थानीय मुद्दों पर लड़ा जाता है। मेरे लिए स्वच्छता सबसे महत्वपूर्ण कारक है। अगर हमारे क्षेत्र साफ नहीं रहते हैं, तो इससे मलेरिया और डेंगू जैसी बीमारियां हो सकती हैं।

अनुसंधान में सीएफए क्या है?

पुष्टिकारक कारक विश्लेषण (सीएफए) एक सांख्यिकीय तकनीक है जिसका उपयोग प्रेक्षित चरों के समूह की कारक संरचना को सत्यापित करने के लिए किया जाता है। सीएफए शोधकर्ता को इस परिकल्पना का परीक्षण करने की अनुमति देता है कि देखे गए चर और उनके अंतर्निहित गुप्त निर्माण के बीच संबंध मौजूद है।

पीसीए और ईएफए के अलग-अलग लक्ष्य हैं: पीसीए किसी के डेटा की आयामीता को कम करने की एक तकनीक है, जबकि ईएफए उन चरों को पहचानने और मापने की एक तकनीक है जिन्हें सीधे मापा नहीं जा सकता (यानी, गुप्त चर या कारक)।

ईएफए और सीएफए में क्या अंतर है?

खोजपूर्ण कारक विश्लेषण (EFA) को परस्पर संबंधित उपायों के क्रमबद्ध सरलीकरण के रूप में वर्णित किया जा सकता है। ईएफए प्रदर्शन करके, अंतर्निहित कारक संरचना की पहचान की जाती है। पुष्टिकारक कारक विश्लेषण (सीएफए) एक सांख्यिकीय तकनीक है जिसका उपयोग प्रेक्षित चरों के समूह की कारक संरचना को सत्यापित करने के लिए किया जाता है।

आम तौर पर, ईएफए का उपयोग विशाल डेटा सेट में सहसंबद्ध वस्तुओं से अद्वितीय और असंबद्ध वस्तुओं को प्राप्त करने के लिए किया जाता है। इसलिए, कुछ विद्वानों ने सुझाव दिया कि शोधकर्ता मॉडल की पुष्टि करने के लिए CFA करने से पहले EFA कर सकते हैं। इसलिए, जब हम मॉडल की पुष्टि करने के लिए सीएफए का उपयोग करते हैं, तो ईएफए करने की कोई आवश्यकता नहीं है।

मुझे सीएफए कब लेना चाहिए?

आंकड़ों में, पुष्टिकारक कारक विश्लेषण (सीएफए) कारक विश्लेषण का एक विशेष रूप है, जो आमतौर पर सामाजिक अनुसंधान में उपयोग किया जाता है। इसका उपयोग यह परीक्षण करने के लिए किया जाता है कि क्या किसी निर्माण के उपाय उस निर्माण (या कारक) की प्रकृति की एक शोधकर्ता की समझ के अनुरूप हैं।

प्रिंसिपल कंपोनेंट एनालिसिस (पीसीए) और एक्सप्लोरेटरी फैक्टर एनालिसिस (ईएफए) दोनों परिवर्तनशील कमी तकनीकें हैं और कभी-कभी एक ही सांख्यिकीय पद्धति के रूप में गलत होती हैं।