భాషా :
SWEWE సభ్యుడు :లోనికి ప్రవేశించండి |నమోదు
కోసం శోధన
ఎన్సైక్లోపీడియా కమ్యూనిటీ |ఎన్సైక్లోపీడియా జవాబులు |ప్రశ్న సమర్పించండి |పదజాలం నాలెడ్జ్ |అప్లోడ్ జ్ఞానం
ప్రశ్నలు :ఆర్థిక విశ్లేషణలో గణాంక ప్రాముఖ్యత
సందర్శకుల (43.239.*.*)[కన్నడ ]
వర్గం :[ఎకానమీ][ఇతర]
నేను సమాధానం కలిగి [సందర్శకుల (44.200.*.*) | లోనికి ప్రవేశించండి ]

చిత్రాన్ని :
రకాలు :[|jpg|gif|jpeg|png|] బైట్ :[<2000KB]
భాషా :
| పరిశీలించడం కోడ్ :
అన్ని సమాధానాలు [ 1 ]
[సభ్యుడు (365WT)]సమాధానాలు [చైనీస్ ]సమయం :2019-09-12
మోడల్‌లో, ఎఫ్ 1, ఎఫ్ 2, ..., ఎఫ్‌ఎమ్‌లను ప్రధాన కారకాలు లేదా సాధారణ కారకాలు అని పిలుస్తారు.అవి అసలు గమనించిన వేరియబుల్స్ యొక్క వ్యక్తీకరణలలో కలిసి కనిపించే కారకాలు. అవి స్వతంత్రమైనవి మరియు నిర్వహించలేని సైద్ధాంతిక వేరియబుల్స్. సాధారణ కారకాల యొక్క అర్ధాన్ని మిళితం చేయాలి. నిర్దిష్ట సమస్య యొక్క వాస్తవ అర్ధం. E1, e2, ..., ep ను ఒక ప్రత్యేక కారకం అంటారు, ఇది వెక్టర్ x యొక్క x (i = 1, 2, ..., p) భాగానికి ప్రత్యేకమైన కారకం, ప్రత్యేక కారకాలు మరియు ప్రత్యేక కారకాల మధ్య అన్ని సాధారణ కారకాలు ఒకదానికొకటి స్వతంత్రంగా ఉంటాయి. మోడల్‌లోని లోడ్ మ్యాట్రిక్స్ A లోని మూలకం (ఐజ్) కారకం లోడ్. కారకం లోడ్ ఐజ్ అనేది xi మరియు Fj యొక్క కోవియారిన్స్, మరియు ఇది xi మరియు Fj ల మధ్య సహసంబంధ గుణకం, ఇది xi ఆధారపడటాన్ని సూచిస్తుంది. Fj డిగ్రీ.మీరు j-th సాధారణ కారకంపై i-th వేరియబుల్ యొక్క బరువుగా ఐజ్ గురించి ఆలోచించవచ్చు.అయిజ్ యొక్క పెద్ద సంపూర్ణ విలువ (_ aij _ £ 1), xi మరియు Fj ల మధ్య ఎక్కువ ఆధారపడటం లేదా xi కొరకు సాధారణ కారకం Fj. కారకం విశ్లేషణ ఫలితాల యొక్క ఆర్ధిక వివరణ పొందడానికి, కారకం లోడ్ మాతృక A లో రెండు గణాంకాలు ఉన్నాయి, అవి వేరియబుల్స్ యొక్క సాధారణత మరియు సాధారణ కారకాల యొక్క వ్యత్యాస సహకారం...
కారకం లోడ్ మాతృక A లోని i-th అడ్డు వరుస యొక్క మూలకాల యొక్క చతురస్రాల మొత్తాన్ని hi2 గా సూచిస్తారు, దీనిని వేరియబుల్ xi యొక్క సాధారణత అంటారు. ఇది xi యొక్క వైవిధ్యానికి అన్ని సాధారణ కారకాల సహకారం, వేరియబుల్ xi పై అన్ని సాధారణ కారకాల ప్రభావాన్ని ప్రతిబింబిస్తుంది. Hi2 పెద్దది, ఇది x యొక్క i-th భాగం xi ప్రతి భాగం F1, F2, ..., Fm యొక్క F పై ఎక్కువగా ఆధారపడి ఉంటుందని సూచిస్తుంది.
కారకం లోడ్ మాతృక A యొక్క jth కాలమ్ (j = 1, 2, .., M) యొక్క మూలకాల యొక్క చతురస్రాల మొత్తం gj2 గా సూచించబడుతుంది మరియు దీనిని Fj నుండి x అనే సాధారణ కారకం యొక్క వ్యత్యాస సహకారం అని సూచిస్తారు. X యొక్క ప్రతి భాగం x (i = 1, 2, ..., p) కోసం jj సాధారణ కారకం Fj యొక్క వ్యత్యాసాల మొత్తాన్ని Gj2 సూచిస్తుంది, ఇది సాధారణ కారకం యొక్క సాపేక్ష ప్రాముఖ్యతకు సూచిక. పెద్ద gj2, x కు సాధారణ కారకం Fj యొక్క ఎక్కువ సహకారం లేదా x పై ఎక్కువ ప్రభావం మరియు ప్రభావం. కారకం లోడ్ మాతృక A యొక్క అన్ని gj2 (j = 1, 2, ..., m) లెక్కించి, పరిమాణంతో క్రమబద్ధీకరించబడితే, అత్యంత ప్రభావవంతమైన సాధారణ కారకాన్ని తదనుగుణంగా సేకరించవచ్చు.
3. కారకం భ్రమణం
కారకాల విశ్లేషణ నమూనాను స్థాపించడం యొక్క ఉద్దేశ్యం ప్రధాన కారకాలను కనుగొనడమే కాదు, మరీ ముఖ్యంగా వాస్తవ సమస్యలను విశ్లేషించడానికి ప్రతి ప్రధాన కారకం యొక్క అర్ధాన్ని తెలుసుకోవడం. ప్రధాన కారక పరిష్కారం లభిస్తే, ప్రతి ప్రధాన కారకం యొక్క విలక్షణమైన ప్రతినిధి వేరియబుల్స్ చాలా ప్రముఖమైనవి కావు, మరియు కారకం భ్రమణం కూడా అవసరం, మరియు తగిన భ్రమణం ద్వారా సంతృప్తికరమైన ప్రధాన కారకం పొందబడుతుంది.
తిప్పడానికి చాలా మార్గాలు ఉన్నాయి, మరియు ఆర్తోగోనల్ రొటేషన్ మరియు ఏటవాలుగా తిరగడం కారకం భ్రమణానికి రెండు రకాల పద్ధతులు. అత్యంత సాధారణ పద్ధతి గరిష్ట వ్యత్యాసం ఆర్తోగోనల్ రొటేషన్ పద్ధతి. కారకం భ్రమణాన్ని నిర్వహించడం అంటే కారకం లోడ్ మాతృకలోని కారకం లోడ్ యొక్క చదరపు విలువను 0 మరియు 1 దిశలో భిన్నంగా చేయడం, తద్వారా పెద్ద లోడ్ పెద్దది మరియు చిన్న లోడ్ చిన్నది. కారకం భ్రమణ ప్రక్రియలో, కారకాల యొక్క సంబంధిత అక్షాలు ఒకదానికొకటి ఆర్తోగోనల్ అయితే, దీనిని ఆర్తోగోనల్ రొటేషన్ అంటారు; కారకాల యొక్క సంబంధిత అక్షాలు ఒకదానికొకటి ఆర్తోగోనల్ కాకపోతే, దానిని వాలుగా తిప్పడం అంటారు. సాధారణంగా ఉపయోగించే వాలుగా తిరిగే పద్ధతుల్లో ప్రోమాక్స్ పద్ధతి మరియు వంటివి ఉన్నాయి.
4. కారకం స్కోరు
కారకాల విశ్లేషణ నమూనా స్థాపించిన తరువాత, మొత్తం నమూనాలోని ప్రతి నమూనా యొక్క స్థితిని అంచనా వేయడానికి కారక విశ్లేషణ నమూనాను వర్తింపచేయడం ఒక ముఖ్యమైన పాత్ర, అనగా సమగ్ర మూల్యాంకనం చేయడం. ఉదాహరణకు, ప్రాంతీయ ఆర్థికాభివృద్ధికి కారకాల విశ్లేషణ నమూనాను స్థాపించిన తరువాత, ప్రతి ప్రాంతం యొక్క ఆర్ధిక అభివృద్ధిని తెలుసుకోవాలని, ప్రాంతీయ ఆర్థిక విభాగాలను వర్గీకరించాలని, ఏ ప్రాంతాలు వేగంగా అభివృద్ధి చెందుతాయో, మధ్యస్తంగా అభివృద్ధి చెందుతాయో మరియు నెమ్మదిగా ఉంటాయని మేము ఆశిస్తున్నాము. ఈ సమయంలో, సాధారణ కారకాన్ని వేరియబుల్స్ యొక్క సరళ కలయిక ద్వారా వ్యక్తీకరించాల్సిన అవసరం ఉంది, అనగా ప్రాంతీయ ఆర్థిక వ్యవస్థ యొక్క కారకాల స్కోర్లు అంచనా వేయబడతాయి.
వేరియబుల్ x చేత ప్రాతినిధ్యం వహించే సాధారణ కారకం F యొక్క సరళ కలయిక ఇలా ఉండనివ్వండి:
Fj = uj1 xj1 uj2 xj2 ... ujpxjp j = 1,2, ..., m
ఈ సూత్రాన్ని కారకం స్కోరు ఫంక్షన్ అంటారు, ఇది ప్రతి నమూనాకు సాధారణ కారకాల స్కోర్‌ను లెక్కించడానికి ఉపయోగించబడుతుంది. M = 2 అయితే, ప్రతి నమూనా యొక్క కారకాల స్కోర్లు F1 మరియు F2 లను లెక్కించడానికి ప్రతి నమూనా యొక్క p వేరియబుల్స్ పై సూత్రంలో ప్రత్యామ్నాయం చేయబడతాయి మరియు పాయింట్ మ్యాప్ పొందటానికి కారకాలు విమానంలో చెల్లాచెదురుగా ఉంటాయి, ఆపై నమూనాలు వర్గీకరించబడతాయి లేదా ముడి డేటా గురించి మరింత లోతైన అధ్యయనం నిర్వహించండి.
ఏదేమైనా, కారకం స్కోరు ఫంక్షన్‌లోని సమీకరణాల సంఖ్య m వేరియబుల్స్ సంఖ్య p కంటే తక్కువగా ఉంటుంది, కాబట్టి కారకం స్కోర్‌ను ఖచ్చితంగా లెక్కించలేము మరియు కారకం స్కోర్‌ను మాత్రమే అంచనా వేయవచ్చు. కారకాల స్కోర్‌లను అంచనా వేయడానికి అనేక పద్ధతులు ఉన్నాయి. సాధారణంగా ఉపయోగించేవి రిగ్రెషన్ అంచనా, బార్ట్‌లెట్ అంచనా మరియు థామ్సన్ అంచనా.
(1) రిగ్రెషన్ అంచనా పద్ధతి
F = X b = X (X ¢ X) -1A ¢ = XR-1A ¢ (ఇక్కడ R అనేది సహసంబంధ మాతృక మరియు R = X ¢ X).
(2) బార్ట్‌లెట్ అంచనా పద్ధతి
బార్ట్‌లెట్ అంచనా కారకం స్కోరు కనీసం చతురస్రాలు లేదా గరిష్ట సంభావ్యత ద్వారా పొందవచ్చు.
F = [(W-1 / 2A) ¢ W-1 / 2A] -1 (W-1 / 2A) ¢ W-1 / 2X = (A ¢ W-1A) -1A W-1X
(3) థామ్సన్ అంచనా పద్ధతి
రిగ్రెషన్ అంచనా పద్ధతిలో, ప్రత్యేక కారకం యొక్క ప్రభావం వాస్తవానికి విస్మరించబడుతుంది మరియు R = X ¢ X తీసుకోబడుతుంది. ప్రత్యేక కారకం యొక్క ప్రభావం పరిగణించబడితే, అప్పుడు R = X ¢ X W, అప్పుడు ఉన్నాయి:
F = XR-1A X = X (X ¢ X W) -1A
థామ్సన్ అంచనా వేసిన కారక స్కోరు ఇది: మాతృక విలోమ అల్గోరిథం ఉపయోగించి (సరళ బీజగణిత సాహిత్యాన్ని చూడండి):
F = XR-1A X = X (I A ¢ W-1A) -1W-1A
కోసం శోధన

版权申明 | 隐私权政策 | కాపీరైట్ @2018 ప్రపంచ ఎన్సైక్లోపీడియా జ్ఞానం