Beere
Die Diskriminanzanalyse hilft, die unabhängigen Variablen zu identifizieren, die eine nominell skalierte abhängige Variable von Interesse diskriminieren. Die Linearkombination unabhängiger Variablen zeigt die Unterscheidungsfunktion an, die die große Differenz zeigt, die in den Mittelwerten der beiden Gruppen besteht. Mit anderen Worten, die auf einer Intervall- oder Verhältnisskala gemessenen unabhängigen Variablen unterscheiden die zu untersuchenden Gruppen.
Die Faktorenanalyse hilft, eine große Anzahl von Variablen auf einen sinnvollen, interpretierbaren und handhabbaren Satz von Faktoren zu reduzieren. Eine Hauptkomponentenanalyse wandelt alle Variablen in einen Satz zusammengesetzter Variablen um, die nicht miteinander korreliert sind. Angenommen, wir haben in einem Fragebogen die vier Konzepte psychische Gesundheit, Arbeitszufriedenheit, Lebenszufriedenheit und berufliches Engagement gemessen, wobei jeweils sieben Fragen angetippt werden. Wenn wir diese 28 Items faktorisieren, sollten wir vier Faktoren mit der richtigen Variablenbelastung für jeden Faktor finden, was bestätigt, dass wir die Konzepte richtig gemessen haben.
Die Clusteranalyse wird verwendet, um Objekte oder Individuen in sich gegenseitig ausschließende und kollektiv erschöpfende Gruppen mit hoher Homogenität innerhalb von Clustern und geringer Homogenität zwischen Clustern zu klassifizieren. Mit anderen Worten, die Clusteranalyse hilft, Objekte zu identifizieren, die einander ähnlich sind, basierend auf einem bestimmten Kriterium. Bei der Clusteranalyse werden Einzelpersonen nach ihren Präferenzen für jede der verschiedenen Marken geclustert.