тических предпосылок. Например, теоретически предполагают, что переменная с нескольк меньшей нагрузкой важнее, чем переменная с несколько большей нагрузкой. Аналогично, есл] переменная имеет несколько меньшую, но более точно измеренную нагрузку, то в качестве пе ременной-имитатора следует выбрать именно ее. В табл. 19.3 переменные У19 Уъ и У5 имеют вы сокие нагрузки в связи с фактором 1, причем достаточно близкие по величине. Переменная V имеет относительно самое высокое значение и поэтому должна была бы оказаться вероятны? кандидатом в переменные-имитаторы. Однако, исходя из предварительной информации, са мым важным при выборе зубной пасты является ее способность предотвращать порчу зубов, i поэтому в качестве переменной-заменителя для фактора 1 должна быть выбрана переменная К Осуществить выбор переменной-заменителя для фактора 2 также непросто. Переменные Уъ \ и У6 имеют сопоставимо высокие значения нагрузок на этот фактор. Если предварительная ин формация свидетельствует, что привлекательность внешнего вида зубов — важнейший аспек общего внешнего вида, то следует выбрать переменную У6.
Определение подгонки модели
Последняя стадия факторного анализа заключается в определении соответствия модел! факторного анализа исходным данным, т.е. степени ее подгонки. Основное допущение, лежа щее в основе факторного анализа, состоит в том, что наблюдаемая корреляция между перемен ными может быть свойственна общим факторам. Следовательно, корреляции между перемен ными можно вывести или воспроизвести из определенных корреляций между переменными i факторами. Изучив разности между наблюдаемыми корреляциями (данными в исходной кор реляционной матрице) и вычисленными корреляциями (определенными из матрицы фактор ных нагрузок), можно определить соответствие модели исходным данным. Эти разности назы вают остатками (residuals). Если много остатков с большими значениями, то факторная модел] не обеспечивает хорошее соответствие данным и требует пересмотра. Из данных табл. 19.3 вид но, что только значение пяти остатков превышает 0,05, свидетельствуя тем самым о приемле мом соответствии модели данным.
Следующий пример иллюстрирует анализ главных компонент с точки зрения продвижение товара.
ПРИМЕР. Компоненты, влияющие на продвижение на рынок промышленных товаров
Цель этого исследования — определить достаточно большой набор контролируемых производителем переменных, имеющих отношение к продвижению его товаров в розничную торговую сеть, и показать, что существует связь между этими переменными и решением розничного торговца о поддержке усилий производителя по продвижению товара. Решения о поддержке определяли по отношению розничного торговца к усилиям по продвижению товара.
Факторный анализ выполнили по объясняющим переменным, руководствуясь главной целью — снизить количество переменных. Методом главных компонент с использованием метода вращения варимакс уменьшили 30 объясняющих переменных до 8 факторов с собственными значениями выше 1,0. Для интерпретации каждый фактор включал в себя переменные с нагрузками на этот фактор от 0,40 и выше. В двух случаях, когда переменные имели нагрузки 0,40 и выше на два фактора, каждой переменной присвоили один фактор, нагрузка на который была выше. Только одна переменная "легкость погрузочно-разгрузочных работ, накопление запасов в торговых точках" не имела нагрузки, по крайней мере, равной 0,4, ни на один из факторов. В целом, 8 факторов объясняли 62% суммарной дисперсии. Интерпретация матрицы факторных нагрузок оказалась несложной. В табл. 1 перечислены факторы в порядке их выделения.
Таблица 1. Факторы, влияющие на принятие решения о поддержке в продвижении товара
