него, метод Варда, гипотезу относительно числа кластеров по переменным проверяли методом К средних [197]. Для анализа связи между несколькими независимыми переменными, выявления прогностически наиболее информативных признаков (предикторов) и построения прогностической модели использовали пошаговый дискриминантный и линейный регрессионный методы анализа [132]. Выходные данные были сведены в таблицы. Таблицы, отобранные для описательной части исследования, представлены в соответствующих разделах диссертации. |
55 Поиск закономерностей группировки и взаимосвязи изучаемых признаков был реализован с помощью кластерного и факторного анализа. Для кластерного анализа использовались методы наиболее удаленных соседей, взвешенного попарного среднего, метод Варда, гипотеза относительно числа кластеров по переменным проверялась методом К средних [313]. Факторный анализ выполнялся методом главных компонент и методом максимального правдоподобия (с вращением). В соответствии с графиком собственных значений определялись ведущие факторы в новой сокращенной системе координат, повернутой таким образом, что факторные оси расположены по направлениям наибольших дисперсий. По графикам факторных нагрузок давалась интерпретация основных групп ведущих (наиболее значимых) факторов, с последующим вычислением значений факторных нагрузок, которые сводились в таблицы. Это позволило подробно определить, из чего складываются группы ведущих факторов [84]. Для анализа связи между несколькими независимыми переменными, выявления прогностически наиболее информативных признаков (предикторов) и построения прогностических моделей использовались пошаговый дискриминантный и линейный регрессионный методы анализа [217]. Выходные данные были сведены в таблицы. Таблицы, отобранные для описательной части исследования, представлены в соответствующих разделах диссертации. |