Cтраница 3
Такой подход допустим при поиске экстремума вблизи минимума s, но он может оказаться безрезультатным при плохих начальных оценках. В связи с этим выполнены исследования по оптимальному размещению опытных точек таким образом, чтобы минимизировать дисперсии коэффициентов. Следует отметить, что планирование кинетических экспериментов трудно осуществлять по одному критерию ( например, по наимень-щей дисперсии подбираемых констант для одной модели), так как приходится учитывать одновременно возможность использования альтернативной другой модели, точность результатов, простоту экспериментирования и др. Предложенные ранее [9, 10, 13] планы для минимизации дисперсии коэффициентов или одновременного осуществления такой минимизации и выбора лучшей модели ( дуальная задача) не получили распространения в исследовательской работе. [31]
Для этого есть следующие основания. Во-первых, после определения скрытой факторной структуры измеряемых данных для объектов исследователю может понадобиться представить каждый из этих объектов в терминах значений факторов, а не измеряемых переменных. Во-вторых, может появиться необходимость использования одного или более факторов в качестве переменных для дальнейшего анализа. Действительно, за исключением психометрической литературы, факторный анализ применялся чаще в качестве средства создания новых факторных переменных ( шкал) для других исследований, чем для изучения самой скрытой структуры. В этом разделе мы рассмотрим следующие методы оценки значений факторов: 1) регрессионные оценки; 2) оценки, основанные на искусственных переменных или критерии наименьших квадратов; 3) метод Барт-летта минимизации дисперсии ошибок и 4) оценки с ортогональными ограничениями. Дополнительно мы обсудим: 5) простой метод суммирования переменных с большими факторными нагрузками и 6) шкалирование с помощью главных компонент. [32]