Реферат Курсовая Конспект
Подтверждающий факторный анализ - раздел Компьютеры, 2. Моделирование структурными уравнениями Данный Анализ Используется Как Развитие Обычного Факторного А...
|
Данный анализ используется как развитие обычного факторного анализа для проверки определённых гипотез о структуре факторных нагрузок и корреляций между факторами.
У нас есть следующие данные:
Где «Цена» является зависимой переменной, а остальные – независимыми.
Проведём факторный анализ (методом главных компонент), чтобы сократить количество независимых переменных и упростить структуру будущей регрессионной модели. Получаем следующие результаты:
Первый фактор наиболее полно отражает данные по расходу на 100км, мощности л.с. и объему двигателя, всё это является техническими характеристиками; второй фактор отражает данные о времени разгона и max скорости, которые в свою очередь можно отнести к скоростным характеристикам. Теперь Приступим непосредственно к подтверждающему факторному анализу.
На языке PATH1 c помощью мастера пути SEPATH создаем следующую модель:
(технические характер)-1->[расходп ]
(технические характер)-2->[мощ. л.с]
(технические характер)-3->[объем дв]
(скоростные характери)-4->[время ра]
(скоростные характери)-5->[max скор]
(DELTA1)-->[расходп ]
(DELTA2)-->[мощ. л.с]
(DELTA3)-->[объем дв]
(DELTA4)-->[время ра]
(DELTA5)-->[max скор]
(DELTA1)-6-(DELTA1)
(DELTA2)-7-(DELTA2)
(DELTA3)-8-(DELTA3)
(DELTA4)-9-(DELTA4)
(DELTA5)-10-(DELTA5)
(скоростные характери)-11-(технические характер)
Запускаем её. Получаем следующие результаты:
Method of Estimation: GLS -> ML Chi-Square Statistic: 9,00667
Функция несоответствия0,474 Градусы свободы: 4
Maximum Residual Cosine: 5,74E-005 Chi-Square p-level: 0,060933
Max. Abs. Gradient: 0,79 Steiger-Lind RMSEA
Max. Abs. Constraint: 4,93E-011 --->Point Estimate: 0,165
ICSF Criterion: -5,55E-009 -->Lower 90% Bound: 0
ICS Criterion: 1,26E-005 -->Upper 90% Bound: 0,413
Boundary Conditions: 0 RMS Stand. Residual: 0,0413
Где
GLS -> ML - метод оценивания, который представляет собой следующее: SEPATH выполняет 5 итераций с использованием обобщенного метода наименьших квадратов вне зависимости от заданного значения максимального числа итераций, а после этого используется метод максимального правдоподобия.
Функция несоответствия (0,474) – окончательное значение, принимаемое функцией несоответствия.
Maximum Residual Cosine (5,74E-005) – максимум косинуса остатков, приводится численное значение критерия. Если процесс итерации сошелся успешно, оно не сильно отличается от нуля.
Max. Abs. Gradient (0,79) – максимальная по модулю компонента градиента.
Max. Abs. Constraint (4,93E-011) – максимальное по модулю ограничение. Если процесс итерации сошелся успешно, оно не сильно отличается от нуля.
ICSF Criterion (-5,55E-009) – критерий УУПММ (критерий устойчивости к умножению на постоянный множитель масштаба). Должен быть близок к нулю.
ICS Criterion (1,26E-005) – критерий УИМ (критерий устойчивости к изменению масштаба). Должен быть близок к нулю.
Boundary Conditions (0) – граничные условия. Равно количеству ограничивающих неравенств, использованных при управлении сходимостью. Должно равняться нулю, иначе значение хи-квадрат статистики будет некорректно.
RMS Stand. Residual (0,0413) – должна быть меньше 0,05.
Chi-Square Statistic (0,060933) – значение хи-квадрат статистики.
Градусы свободы (4) – степени свободы.
Chi-Square p-level (0,060933) – вероятностный уровень статистики, должен стремится к 1. В нашем случае значение 0,11 говорит о том, что полученная модель не совсем сходится с исходными данными.
– Конец работы –
Эта тема принадлежит разделу:
На сайте allrefs.net читайте: 2. Моделирование структурными уравнениями...
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Подтверждающий факторный анализ
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов