Obsah
Klastrová analýza a faktorová analýza sú dve štatistické metódy analýzy údajov. Tieto dve formy analýzy sa vo veľkej miere používajú v prírodných a behaviorálnych vedách. Klastrová analýza aj faktorová analýza umožňujú užívateľovi zoskupiť časti údajov do „zoskupení“ alebo do „faktorov“ v závislosti od typu analýzy. Niektorí vedci, ktorí začínajú v metódach klastrových a faktorových analýz, môžu mať pocit, že tieto dva typy analýz sú celkovo podobné. Hoci sa zhluková analýza a faktorová analýza na povrchu zdajú podobné, líšia sa mnohými spôsobmi vrátane ich celkových cieľov a aplikácií.
objektívny
Zhluková analýza a faktorová analýza majú rôzne ciele. Obvyklým cieľom faktorovej analýzy je vysvetliť koreláciu v súbore údajov a navzájom prepojiť premenné, zatiaľ čo cieľom klastrovej analýzy je riešiť heterogenitu v každej sade údajov. V duchu je klastrová analýza formou kategorizácie, zatiaľ čo faktorová analýza je formou zjednodušenia.
zložitosť
Zložitosť je jednou otázkou, na ktorej faktorovej analýze a analýze klastrov sa líšia: veľkosť údajov ovplyvňuje každú analýzu odlišne. Ako množina údajov rastie, klastrová analýza sa stáva výpočtovo neřešiteľnou. Je to tak preto, lebo počet dátových bodov v analýze klastrov priamo súvisí s počtom možných riešení klastrov. Napríklad počet spôsobov, ako rozdeliť dvadsať objektov na 4 klastre rovnakej veľkosti, je vyše 488 miliónov. To znemožňuje priame výpočtové metódy vrátane kategórie metód, do ktorých patrí faktorová analýza.
Riešenie
Aj keď riešenia problémov s faktorovou analýzou a problémami s klastrovou analýzou sú do istej miery subjektívne, faktorová analýza umožňuje výskumníkovi poskytnúť „najlepšie“ riešenie v tom zmysle, že môže optimalizovať určitý aspekt riešenia (ortogonalita, ľahkosť interpretácia a tak ďalej). To neplatí pre klastrovú analýzu, pretože všetky algoritmy, ktoré by mohli priniesť najlepšie riešenie klastrovej analýzy, sú výpočtovo neefektívne. Preto vedci, ktorí používajú zhlukovú analýzu, nemôžu zaručiť optimálne riešenie.
aplikácia
Faktorová analýza a klastrová analýza sa líšia v tom, ako sa aplikujú na reálne údaje. Pretože faktorová analýza má schopnosť redukovať nepraktický súbor premenných na oveľa menší súbor faktorov, je vhodná na zjednodušenie zložitých modelov. Faktorová analýza má tiež potvrdzujúce použitie, pri ktorom môže výskumný pracovník vytvoriť súbor hypotéz týkajúcich sa vzťahu medzi premennými v údajoch. Výskumník potom môže na analýze údajov spustiť faktorovú analýzu na potvrdenie alebo zamietnutie týchto hypotéz. Na druhej strane je zhluková analýza vhodná na klasifikáciu objektov podľa určitých kritérií. Napríklad, vedec môže zmerať určité aspekty skupiny novoobjavených rastlín a zaradiť tieto rastliny do kategórií druhov pomocou zhlukovej analýzy.