Capitolul XIII

1. Ce se intelege prin analiza factoriala? Analiza factoriala este o colectie de tehnici statistice ale caror obiectiv este acela de a simplifica seturi complexe de variabile.

2. Ce se intelege prin variabila manifesta si variabila latenta? Variabila manifesta este variabila masurata, iar cea latenta este cea nemasurata.

3. Care sunt aplicatiile principale ale analizei factoriale? Detectarea structurii in relatiile dintre variabile, ceea ce este similar cu clasificarea variabilelor Reducerea numarului variabilelor atunci cand acestea sunt pera multe si avem motive sa credem sau sa dorim sa verificam daca pot fi reduse la un numar mai mic de componente, cu o putere de descriere mai generala asupra realitatii investigate. Rezolvarea problemei multicoliniaritatii in cazul regresiei multiple, prin crearea unui subset de variabile dintr-un numar mai mare de predictori Validarea constructiei unei scale compuse din mai multi itemi, prin demonstrarea incarcarii fiecarui item in raport cu scorul la scala si eliminarea itemilor care contribuie la mai mult de un singur construct

4. Care este obiectivul fundamental al analizei factoriale exploratorii? Determinarea numarului constructelor latente care integreaza variabilele masurate, crearea unui suport pentru a explica variabilitatea comuna a mai multor variabile si definirea continutului si semnificatiei factorilor.

5. Care sunt cele doua tipuri principale de analiza factoriala exploratorie? Analiza factoriala exploratorie si analiza factoriala de confirmare.

6. Care este diferenta esentiala dintre analiza factorilor comuni si analiza componentelor principale? In timp ce analiza factorilor comuni are drept obiectiv identificarea unui numar relativ mic de factori care sa explice varianta comuna a variabilelor manifeste, proiectand un anumit model asupra variabilelor manifeste, analiza componentelor principale se limiteaza la descompunerea algebrica a matricei de date intr-o structura de factori care acumuleaza, fiecare, o cantitate cat mai mare de variabilitate comuna a variabilelor manifeste, fiind in acelasi timp, ortogonali unii fata de altii.

7. Care este obiectivul fundamental al analizei factoriale de confirmare? Obiectivul fundamental al analizei factoriale de confirmare este de a verifica modelul aprioric al cercetatorului cu privire la structurarea variabilelor.

8. Ce se intelege prin incarcarea factorilor? Este expresia coeficientului de corelatie dintre variabile si factorii aferenti. Patratul incarcarii este procentul de varianta cu care o variabila contribuie la factorul din care face parte. Suma incarcarii variabilelor unui factori impartita la numarul variabilelor componente da varianta totala explicata de acel factor, raport cu ceilalti factori.

9. Ce este comunalitatea? Este patratul corelatiei multiple pentru fiecare variabila manifesta utilizata drept criteriu, si toti factorii, utilizati drept predictori. Comunalitatea exprima procentul variantei unei variabile explicat de factorii reuniti si poate fi interpretata ca siguranta indicatorului reprezentat de acea variabila.

10. Ce este rotatia factorilor si la ce foloseste? Reprezinta rotatia spatiului de variatie a factorilor ( ex: rotatia spatiului de reprezentare grafica astfel incat axa Ox initiala sa ajunga sa aproximeze ea insasi linia de regresie) si se utilizeaza pentru obtinerea unei variatii maxime la nivelul factorilor, in functie de variabilele combinate.

11. Care sunt tipurile principale de rotatie a factorilor si care este diferenta esentiala dintre ele? Rotatia ortogonala si rotatia oblica. In rotatia ortogonala, noile axe sunt rotite pastranduse intre ele unghiul de 90, iar in cea oblica, noile axe sunt rotite la un unghi diferit de 90.

12. In ce consta metoda K1 de selectie a numarului de factori? Presupune calcularea indicilor eigenvalue. Regula uzuala este de a pastra in solutia finala doar factorii al caror indice eigenvalue este cel putin egal cu 1.

13. Ce reprezinta indicii eigenvalue? Suma coeficientilor de determinare (r) dintre factori si variabilele ce intra in compunerea lor.

14. In ce consta si pentru ce este utilizata metoda Scree Plot? Consta in explorarea vizuala a reprezentarii grafice a indicilor eigenvalue si este utilizata analiza directa a scaderii variantei explicate de fiecare factor, scotand in evidenta punctul de discontinuitate care ar putea fi luat in considerare drept criteriu de selectare a factorilor.

15. Care sunt regulile generalele pentru denumirea factorilor? Sa fie succinti, exprimati, daca este posibil, printr-unul sau doua cuvinte Sa exprime si sa comunice natura constructului la care se refera

Capitolul IV 1. Ce se intelege prin analiza de cluster?

Analiza de cluster este o modalitate de clasificare a cazurilor incluse intr-o baza de date in grupuri compuse din elemente cat mai similare intre ele, dar cu cea mai mare diferenta posibila intre grupuri.

2. Ce alte proceduri statistice au obiective similare cu analiza de cluster? Scalarea multidimensionala si analiza claselor latente.

3. Care sunt utilitatile principale ale analizei de cluster? Clasificarea datelor privind un anumit numar de subiecti care sa permita elaborarea de tipologii utile in interpretarea acestora. Generarea de ipoteze sau validarea unor ipoteze privind existenta unor tipologii care au fost generate prin alte proceduri.

4. Cum este organizata baza de date pentru analiza de cluster? Sub forma unei matrice in care cazurile se afla pe linii, iar variabilele pe coloane.

5. Cum se constituie esantionul pentru analiza de cluster? Esantionarea aleatorie nu este o conditie necesara in acest context, cu exceptia cazurilor in care se urmareste generalizarea rezultatelor. Chiar daca esantionul trebuie sa reprezinte categoriile vizate, proportia cazurilor din cadrul esantionului nu trebuie sa respecte in mod necesar proportia de la nivelul populatiei. Cazurile care apartin unor categorii minoritare vor suprareprezentate in esantion.

6. Ce se intelege prin cazuri-tip ideale si la ce folosesc in analiza de cluster? Reprezinta cazuri tipice pentru unul sau mai multe clustere. Regasirea acestora in componenta clusterelor rezultate prin analiza reprezinta o forma de validare a solutiei de grupare si ajuta la conceptualizarea lor.

7. Cum se aleg variabilele in analiza de cluster?

Variabilele se aleg cu atentie, omiterea unor variabile importante, cat si includerea unor variabile neimportante, afectand compozitia clusterelor.

8. Care este efectul variabilitatii variabilelor in analiza de cluster? Operatiunea de grupare este favorizata de utilizarea unor variabile cu o variatie cat mai mare, deoarece acestea produc o discriminare mai buna intre cazuri.

9. Ce relatie trebuie sa existe intre variabile in analiza de cluster? Corelatie.

10. Care sunt metodele principale de calcul al similaritatii dintre cazuri in analiza de cluster? Evaluarea corelatiei dintre cazuri, evaluarea distantei dintre cazuri si evaluarea asocierii dintre cazuri.

11. Prin ce se caracterizeaza tehnicile de grupare ierarhica aglomerativa? Constituie progresiv grupuri din ce in ce mai largi, pana epuizeaza toate cazurile.

12. In ce context de date se recomanda utilizarea tehnicilor de grupare ierarhice?

13. Prin ce se caracterizeaza tehnicile de grupare prin partitionare iterativa? Porneste de la un numar fix de clustere declarat de cercetor.

14. In ce context de date se recomanda utilizarea tehnicilor de partitionare? Baze de date cu un numar mare de cazuri.

15. Care sunt cele mai uzuale metode de validare a structurii de cluster?

Interpretarea clusterelor Reprezentarile grafice Testarea ipotezelor Studiile de replicare