Factor analysis and the index of clustering. (Q2592014)

Wenn \(N\) Personen \(n\) Prüfungen unterworfen werden, so kann man die Ergebnisse als \(N\) \(n\)-dimensionale Vektoren darstellen. Falls \(r\) Faktoren bei allen Personen das Resultat in gleicher Weise beeinflussen, liegen diese Vektoren sogar in einem \(R_{n-r}\). Praktisch wird die Bedingung zwar nicht streng erfüllt sein. Um den Grad der Annäherung festzustellen, berechnet Verf. die kleinste Quadratsumme \(\varphi(d)\) der Abweichungen der \(N\) Vektoren von einem linearen Gebilde \(d\)-ter Dimension und betrachtet die nicht zunehmende Größe \(\lambda(d)=\varphi(d)-\varphi(d-1)\). Falls \(\lambda(r+1)\) so klein ist, daß es vernachlässigt werden kann, hat man mit \(r\) gemeinsamen Faktoren zu rechnen. Diese anschauliche Überlegung ergänzt Verf. noch durch einen Index für die Zusammenballung der Vektoren.