Data mining

PROIECT 1: Aplicaţie numerică la una dintre următoarele doua teme: Analiza componentelor principale sau Analiza Factorială (max. 10 pagini);

REZOLVARE: Un studiu personal urmăreşte, în diferite judeţe ale ţării noastre, modul de încadrare a forţei de muncă în diferite ramuri industriale. Datele sunt sub formă de procentaje şi se găsesc în fişierul ACP.SAV. Variabilele sunt Judeţ – prescurtarea judeţului ţării, Agr – procentajul de muncitori din agricultură, Min – procentajul de muncitori din minerit, Man – procentajul de muncitori din industria prelucrătoare, Eng – procentajul de muncitori din industria energetică, Con – procentajul de muncitori din construcţii, SV – procentajul de muncitori din servicii, Fin – procentajul de muncitori din finanţe, SVS – procentajul de muncitori din servicii sociale, TC – procentajul de muncitori din transporturi şi comunicaţii, aşa cum se vede în imaginea de mai jos:

Pentru a aplica analiza factorială, prin natura metodei, trebuie ca între variabile să existe corelaţii suficient de mari pentru a avea sens problema reducerii dimensiunii. Prin urmare, dacă o variabilă nu este corelată cu celelalte va trebui exclusă din analiză. În acelaşi timp, nici corelaţiile foarte mari (multicoliniaritatea) nu conduc la rezultate uşor de interpretat, situaţia extremă fiind cea de singularitate, a existenţei variabilelor perfect corelate. În asemenea cazuri este imposibil să se determine contribuţia individuală la un factor a variabilelor. Prin urmare este necesar să se calculeze şi să se analizeze matricea de corelaţii a variabilelor prin Analyse  Correlate  Bivariate, inclusiv determinantul acestei matrice pentru determinarea multicoliniarităţii.

Variabilele procesate se trec în lista Variables şi bifăm opţiunile ca în imaginea de mai jos, apoi click pe butonul Options.

Se recomandă analizarea corelaţiilor pentru a identifica variabilele care nu sunt corelate cu celelalte (şi care pot fi eventual omise din analiză, dacă nu se doreşte mai degrabă reducerea numărului de variabile decât analiza corelaţiilor). Continue  OK şi obţin corelaţiile: