Cтраница 1
Оценка общности определяет список EN и метод обработки данных о физических свойствах. Задание уровня общности вычислительных блоков определяет, каким образом используются данные о параметрах аппаратов: запоминаются ли они в вычислительных блоках или вводятся в последние из списка EN. Матрица EN может вообще не потребоваться для такого блока. [1]
Одной из возможностей оценки общности свойств наряду с регистрацией присущих конкретной системе особенностей является анализ обобщенных зависимостей. Подход к построению обобщенных кривых ( выбору нормирующих параметров) может быть различным. [2]
Величины №, строго говоря, ие являются оценками общностей, так как в анализе главных компонент ие предполагается существование общих факторов. [3]
Скажем теперь коротко еще об одном факторе, вносящем некоторые коррективы в оценки общности приложимости нашей основной концепции. [4]
Разница между уравнениями ( 4) и ( 10) в том, что в последнем используется редуцированная корреляционная матрица R2 вместо корреляционной матрицы R. В отличие от метода наименьших квадратов в вычисляемую на каждом шаге оценку общностей с большим весом входят корреляции с переменными, имеющими меньшую характерность. [5]
В анализе главных компонент мы извлекали линейные комбинации рассматриваемых переменных так, что на каждой стадии получаемая компонента объясняет наибольшую возможную долю остающейся изменчивости. В ФА мы, по сути, разбиваем совокупную дисперсию данных на две части - на ту, которая разделяется всеми переменными ( общность), и ту, которая специфична для каждой отдельной переменной. Факторный анализ использует оценки общности для построения объясняющих факторов. [6]
В общих чертах алгоритм состоит в следующем. На втором шаге производится оценка общностей. Применяется квадрат множественного коэффициента корреляции между данной переменной и остальными. На четвертом шаге снова производится оценка общностей, причем используется матрица факторного отображения, полученная на предыдущем этапе. Процесс повторяется до тех пор, пока дальнейшее улучшение станет невозможным. [7]
В общих чертах алгоритм состоит в следующем. На втором шаге производится оценка общностей. Применяется квадрат множественного коэффициента корреляции между данной переменной и остальными. На четвертом шаге снова производится оценка общностей, причем используется матрица факторного отображения, полученная на предыдущем этапе. Процесс повторяется до тех пор, пока дальнейшее улучшение станет невозможным. [8]
Отмечалось, что человека также могут заинтересовать ( и на него могут повлиять) пределы изменения или среднеквадратическое отклонение различных возможных полезностей, или какая-либо другая мера дисперсии. Из поведения людей в лотереях или футбольных тотализаторах делается совершенно очевидным, что на них ничуть не влияет асимметричность распределения вероятности ( Gerhard Tintner. Он пришел к рассмотрению формально более общего решения из-за своей неудачи в оценке реальной общности видов поведения, объясняемую максимизацией ожидаемой полезности. [9]
Данный критерий может применяться, когда общности оцениваются и помещаются на главную диагональ. При этом не имеет смысла выделять все факторы с собственными числами, большими нуля. Поэтому их присутствие является причиной инфляции суммы положительных собственных чисел в том смысле, что она становится больше суммы общностей. Харман ( Harman, 1975) предлагает прекратить выделение общих факторов, когда сумма собственных чисел превысит сумму оценок общностей. [10]