Co oznacza Kryterium procenta wyjaśnianej wariancji?
Zastosowanie, warunki i dobre praktyki
Ustalenie liczby składowych wyłącznie po osiągnięciu np. 60% wariancji jest arbitralne i zależy od dziedziny, liczby zmiennych oraz ich jakości. Dodatkowa składowa może zwiększyć procent, ale być niestabilna lub pozbawiona sensu. Decyzję warto łączyć z analizą równoległą, wykresem osypiska, stabilnością ładunków i celem — kompresją danych albo interpretacją wymiarów.
Najważniejsze zastosowanie: Traktuj jako pomocnicze; łącz z analizą równoległą, teorią i interpretowalnością.
Jak poprawnie stosować i interpretować hasło „Kryterium procenta wyjaśnianej wariancji”?
Dla interpretacji hasła „Kryterium procenta wyjaśnianej wariancji” kryterium zatrzymania wymiarów powinno odpowiadać celowi analizy i nie opierać się na jednej regule. W odniesieniu do hasła „Kryterium procenta wyjaśnianej wariancji” wykres osypiska, wartości własne większe od 1 i zadany procent wariancji mogą wskazywać różne rozwiązania, zwłaszcza przy niewielkiej próbie albo skali z nierównymi ładunkami. Przy ocenie hasła „Kryterium procenta wyjaśnianej wariancji” analiza równoległa i możliwość sensownej interpretacji czynników stanowią ważne punkty odniesienia.
Przy ocenie hasła „Kryterium procenta wyjaśnianej wariancji” trzeba obejrzeć rozwiązania sąsiednie, stabilność ładunków i reprodukowalność struktury. W analizie dotyczącej hasła „Kryterium procenta wyjaśnianej wariancji” zbyt mała liczba wymiarów może połączyć odmienne konstrukty, a zbyt duża — stworzyć czynnik oparty na pojedynczych pozycjach lub szumie. Dla interpretacji hasła „Kryterium procenta wyjaśnianej wariancji” decyzji o usunięciu pozycji nie wolno podejmować wyłącznie po to, by uzyskać pożądaną liczbę czynników.
Co trzeba opisać w raporcie?
Dla interpretacji hasła „Kryterium procenta wyjaśnianej wariancji” raport powinien wskazać wszystkie użyte kryteria, wartości własne lub wynik analizy równoległej, kształt wykresu osypiska oraz powody wyboru końcowego rozwiązania. W odniesieniu do hasła „Kryterium procenta wyjaśnianej wariancji” warto pokazać, jak zmieniały się ładunki i interpretacja w rozwiązaniach z liczbą wymiarów o jeden mniejszą i większą.
Zakres raportowania dla hasła „Kryterium procenta wyjaśnianej wariancji”: Opisz wszystkie kryteria wyboru liczby czynników.
Przykład praktyczny i gotowa interpretacja
Sytuacja: Pierwsze trzy składowe wyjaśniały 71% wariancji, lecz trzecia była trudna do interpretacji i niestabilna w bootstrapie. Sam osiągnięty procent nie rozstrzygnął liczby składowych.
Jak ją zinterpretować: Osiągnięcie umownego procentu nie gwarantuje, że zachowane składowe są stabilne ani interpretowalne. Liczbę wymiarów należy uzasadnić równocześnie analizą równoległą, wykresem osypiska, treścią i celem redukcji.
Najczęstsza pułapka i granica interpretacji
Osiągnięcie arbitralnego procentu nie gwarantuje stabilnego ani interpretowalnego rozwiązania.
Przy ocenie hasła „Kryterium procenta wyjaśnianej wariancji” żadne mechaniczne kryterium nie potwierdza, że zatrzymane wymiary odpowiadają konstruktom teoretycznym. W analizie dotyczącej hasła „Kryterium procenta wyjaśnianej wariancji” wynik zależy od rodzaju macierzy korelacji, liczby pozycji, próby i metody ekstrakcji, dlatego wymaga replikacji.
Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Appelbaum et al., 2018).
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować
Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.
Czytaj →PoradnikRegresja logistyczna: założenia, interpretacja i raportowanie modelu
Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.
Czytaj →PoradnikModelowanie równań strukturalnych (SEM): od teorii do raportu
SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Oferta dla badaczyOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
- Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
- Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
- Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7
- Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
- Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Statistical tests, P values, confidence intervals, and power: A guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3
Cytowania BibTeX
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}@article{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}@article{wasserstein2016pvalues, author={Wasserstein, Ronald L. and Lazar, Nicole A.}, title={The ASA Statement on p-Values: Context, Process, and Purpose}, journal={The American Statistician}, year={2016}, volume={70}, number={2}, pages={129--133}, doi={10.1080/00031305.2016.1154108}}@article{greenland2016misinterpretations, author={Greenland, Sander and Senn, Stephen J. and Rothman, Kenneth J. and Carlin, John B. and Poole, Charles and Goodman, Steven N. and Altman, Douglas G.}, title={Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations}, journal={European Journal of Epidemiology}, year={2016}, volume={31}, number={4}, pages={337--350}, doi={10.1007/s10654-016-0149-3}}