Analiza Datelor

1.Datele

Datele sunt preluate de pe site-ul cosmosmobile, www.cosmosmobile.ro . Scopul urmarit in realizarea acestei analize asupra matricei de date este de a identifica acei indicatori care au o influenta puternica asupra deciziei unei persone la achizitionarea unui telefon mobil.

NUME MEGAPIXEL ZOOMDIGITAL MEMINT INREGAGENDA

GREUTATE S.A.R PRET

Nokia6300 2.0 8 7.8 1000 91.0 0.57 749.00

LgKE770 2.0 8 70.0 1000 125.0 0.47 799.00

NokiaN73 3.2 20 40.0 2000 116.0 1.12 1147.00

SamsungG600 5.0 4 20.0 1000 104.0 0.65 1429.00

MotoZ8 2.0 20 80.0 2000 112.0 0.6 1399.00

SonyericsonK550 2.0 2 64.0 1000 85.0 1.2 690.00

Philips960 1.3 2 65.0 100 95.0 1.4 455.00

Nokia8800 2.0 8 128.0 1000 138.0 0.84 4300.00

SamsungU600 3.2 4 60.0 1000 81.0 0.7 1399.00

AlcatelE100 1.0 2 8.9 100 93.0 0.92 349.00

Sagemmy401ci 1.3 2 13.0 100 82.5 0.86 263.00

MotorazrV3 1.3 4 10.5 100 117.0 0.73 1299.00

SiemensCF110 1.3 2 1.5 100 76.5 0.92 625.00

LgKS20 2.0 8 128.0 2000 92.5 0.32 1899.0

AlcatelZ320i 1.3 2 12.0 100 90.0 0.82 446.0

SamsungE830 2.0 2 64.0 1000 96.5 0.62 999.00

SonyericsonW960 3.0 8 100.0 2000 119.0 0.83 1599.00

BenqsiemensEF81 2.0 4 64.0 1000 115.0 0.76 417.00

MEGAPIXEL – reprezinta numarul de megapixeli pe care ii are camera foto a telefonului, masurati in megapixeli

ZOOMDIGITAL – reprezinta zoomul digital pe care il are camera foto

MEMINTER – memoria telefonului reprezentata in MB

INREGAGENDA – numarul de contacte ce intra in agenda,

GREUTATE – greutatea telefonului in masurata in grame

S.A.R – valoarea SAR a teelfonului masurata in W/kg

PRET – pretul, exprimat in RON

Am ales aceste componente, deoarece sunt cele mai importante criterii care se aleg in momentul achizitionarii unui telefon mobil. Se urmareste o clasificare a telefoanelor mobile in functie de diferite criterii, dar si de a arata care sunt acei indicatori relevanti pentru acest studiu.

2. Etapele teoretice

A. Analiza in Componente Principale

Componentele principale ofera o tehnica pentru a reexprima variabilele( vectorii x1 , x2... xp) prin altele noi ( notate z1,z2,...,zs) , cu s<=p, care sa indeplineasca urmatoarele proprietati :

- sa fie ortogonale 2 cate 2

- fiecare dintre acestea sa captureze o cantitate cat mai mare din imprastierea totala a valorilor variabilei X .

Pasii algoritmului sunt urmatorii:

Pasul 1. Se standardizeaza datele din matricea de date, folosind mediile si abaterile medii patratice ale variabilelor.

In SPSS, In SPSS, operatia de standardizare a datelor se realizeaza astfel:

Analyze Descriptive Statistics Descriptive: se selecteaza toate variabilele si se bifeaza optiunea Save standardized values as variables.

Se intra apoi in Options pentru a bifa cele doua optiuni: Variance si Range.

Pasul 2. Se calculeaza, din datele standardizate, matricea corelatiilor, fie ea R.

Pasul 3. Se identifica primele q valori proprii ale matricei R a corelatiilor (in ordine descrescatoare). Fie ele λ1 ≥ λ 2 ≥ ... ≥ λ q.

Pasul 4. Prima axa factoriala f 1 este data de vectorul propriu de norma 1 asociat valorii proprii λ1. A doua axa factoriala f 2 este data de vectorul propriu de norma 1 asociat valorii proprii λ2 , s.a.m.d. Formam matricea a vectorilor proprii. F = ( f 1, f 2 ,..., f q )

Pasul 5. Matricea C = (C1,C2 ,...,Cq ) a componentelor principale – variabilelor factoriale – se obtine din matricea vectorilor proprii F ai matricei R si din matricea X, adica C = X ⋅ F

In SPSS, pentru elementele de mai sus, se parcurg urmatoarele etape:

Analyze Data Reduction Factor si se selecteaza variabilele standardizate

In Descriptives se selecteaza optiunile Coefficients si Determinant.

In Extraction, Principal Components, se selecteaza optiunile Correlation Matrix, Scree Plot. In casuta pentru Number of factors se scrie valoarea 3. In aceeasi fereastra, se selecteaza optiunea Unroted Factor Solution si Scree plot.

In Rotation se selecteaza optiunea Loading Plots, iar in Factor Scores se selecteaza Save as Variable, Regresion si Display.

Se apasa tasta OK pentru a obtine output-ul care urmeaza sa fie folosit pentru analiza.

Pasul 6. Dupa parcurgerea pasului 5 pentru toate cele q (< p) axe factoriale,cantitatea totala de informatie din norul de puncte recuperata de subspatiul factorial descris de axele f 1, f 2 , ..., f q este λ1 + λ2 + .. + λq .

Un mod practic de apreciere a calitatii ajustarii norului de puncte prin acest subspatiu este calculul raportului

Cum acest raport exprima, procentual, cantitatea de informatie recuperata. Evident, cu cat 0 ≤ τq ≤ 100 , τq este mai apropiat de valoarea maxima 100, cu atat norul de puncte este ajustat mai bine prin subspatiul de dimensiune q.