AI & Data Science
Středně pokročilý
Hybridní
FAKTOROVÁ ANALÝZA
Výuka základních postupů a principů explorační faktorové analýzy za podpory softwaru IBM SPSS Statistics Base s důrazem na praktické aplikace.
Faktorová analýza umožňuje nalézt latentní (nepřímo pozorované) příčiny variability dat. Díky nalezeným latentním proměnným (faktorům) lze redukovat počet proměnných při zachování maxima informace a nalézt souvislost mezi pozorovanými proměnnými a odvozenými faktory.
Cíle kurzu
- Cílem kurzu je seznámit účastníky s praktickým využitím metod faktorové analýzy. Důraz je kladen na porozumění a interpretaci výsledků. Matematické aspekty modelu a algoritmů nejsou v kurzu zahrnuty, pokud to není nutné k praktickému zvládnutí metody.
Pro koho je kurz určen
Kurz je určen všem, kteří analyzují vícedimenzionální číselná data a hledají hlavní příčiny jejich variability.
Osnova kurzu
- 1 vznik faktorové analýzy jako psychometrického modelu (historické poznámky)
- 2 vysvětlení variability a korelační struktury měřených proměnných pomocí vnitřních faktorů systému
- 3 identifikace korelačních dimenzí a korelačních shluků, korelace dat
- 4 latentní a manifestní proměnné, indikace latentní vlastnosti
- 5 rovnice FA: známé a neznámé proměnné a parametry v modelu FA
- 6 měření hodnot latentních proměnných
- 7 existence a (ne)jednoznačnost řešení
- 8 extrakce hlavního řešení - metoda hlavních komponent (a jiné metody)
- 9 význam odhadnutých parametrů a interpretace faktorů
- 10 rotace faktorů - výběr interpretovatelného řešení (jednoduchá struktura)
- 11 odhad neznámých hodnot faktorů pro každou jednotku
- 12 využití faktorů v další analýze dat
Termíny
prezenční: Krakovská 7, Praha 1 online: aplikace MS Teams
4.5.2026
· 9:00 - 16:30
Požadavky
Kurz předpokládá schopnost základního ovládání PC a znalost základních statistických pojmů na úrovni kurzu Základy statistiky pro analýzu dat.
Lektor
Ing. Ondřej Brom
Mohlo by vás zajímat
