Análisis de componentes principales
Resume muchas variables correlacionadas en unos pocos ejes que conservan la mayor parte de la variación.
Con diez indicadores por tienda que se mueven juntos, ¿cuántas dimensiones independientes hay realmente y qué significan?
Seis indicadores sintéticos por tienda generados por dos factores latentes: «tamaño» (ventas, clientes, superficie) y «eficiencia» (margen, rotación, satisfacción).
Controles
Ficha del modelo
Las siete preguntas que todo modelo de la biblioteca debe responder antes de publicarse.
- Con diez indicadores por tienda que se mueven juntos, ¿cuántas dimensiones independientes hay realmente y qué significan?
- Varias variables numéricas por unidad (tienda, cliente, producto).
- Las relaciones entre variables son lineales.
- Variables estandarizadas para que la escala no domine.
- La variación es lo que interesa conservar.
- Varianza explicada por componente.
- Cargas: cuánto pesa cada variable en cada componente.
- Posición de cada unidad en los dos primeros componentes.
- Con pocas observaciones, las cargas de los componentes menores son inestables.
- Los valores propios suman el número de variables; los componentes son ortogonales. En el ejemplo se conoce la estructura real de dos factores.
- Un componente con mucha varianza no es necesariamente el más relevante para la decisión.
- Nombrar componentes es interpretación, no resultado.
- Jolliffe, I. T. (2002). Principal Component Analysis, 2.ª ed. Pearson, K. (1901). Philosophical Magazine 2(11).