Metoda głównych składowych podobnie jak analiza czynnikowa jest jedną z metod eksploracyjnych, które koncentrują się na badaniu powiązań w zbiorze danych. Polega ona na przekształceniu zbioru skorelowanych zmiennych w nowy zbiór składowych ortogonalnych, będących kombinacjami liniowymi zmiennych pierwotnych. Metoda ta jest szczególnie przydatna w analizie obszernych zbiorów danych; umożliwia redukcję wymiaru analizy oraz eliminację współliniowości zmiennych bez znaczącej utraty informacji pierwotnych. W artykule przedstawiono przykłady zastosowania modeli regresji składowych głównych w badaniu demograficznych, społecznych i ekonomicznych uwarunkowań przestrzennego zróżnicowania emigracji z Polski.
EN
Principal Component Analysis is a linear dimensionality reduction technique, which identifies orthogonal directions of maximum variance in the original data, and projects the data into a lower-dimensionality space formed from a sub-set of the highest-variance components. Principal components may be used as independent variables in regression models – the method is useful as there is a significant correlation of input data. The paper presents Principal Component Regression (PCR) as a method for identifying the factors which influence migration decisions on macro level in Poland and for analyzing its spatial differentiation.
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.