Analiza głównych składowych, czyli PCA, jest metodą redukcji wymiarów danych. Przekształca wiele skorelowanych zmiennych w mniejszą liczbę nieskorelowanych składowych, zachowując możliwie dużą część zróżnicowania obserwowanego w danych.
Co to jest analiza głównych składowych (PCA)?
Analiza głównych składowych (PCA, ang. Principal Component Analysis) to metoda statystyczna stosowana do upraszczania wielowymiarowych zbiorów danych. Jej celem nie jest usunięcie informacji przypadkowo, lecz znalezienie nowych osi opisu danych, które możliwie najlepiej wyjaśniają ich zmienność.
W badaniach rynku PCA jest szczególnie użyteczna wtedy, gdy kwestionariusz zawiera wiele pytań mierzących podobne zagadnienia, na przykład atrybuty marki, opinie o produkcie, potrzeby zakupowe, bariery korzystania z usługi lub kryteria wyboru dostawcy. Odpowiedzi na takie pytania często są wzajemnie skorelowane. Analiza głównych składowych pozwala zastąpić je mniejszą liczbą syntetycznych wskaźników.
Każda główna składowa jest liniową kombinacją zmiennych wejściowych. Pierwsza składowa wyjaśnia największą możliwą część zróżnicowania danych, druga wyjaśnia największą część pozostałej zmienności, a kolejne składowe opisują następne źródła różnic między respondentami lub badanymi obiektami. Składowe są względem siebie nieskorelowane, czyli ortogonalne.
W praktyce PCA opiera się najczęściej na macierzy kowariancji albo korelacji między zmiennymi. Gdy pytania są mierzone na różnych skalach lub mają wyraźnie różne wariancje, dane zwykle standaryzuje się przed analizą. Dzięki temu wynik nie jest zdominowany przez zmienne o większym zakresie wartości.
Wyniki analizy głównych składowych obejmują przede wszystkim:
- wartości własne, które pokazują, ile zmienności wyjaśnia każda składowa,
- ładunki składowych, określające siłę związku poszczególnych zmiennych z daną składową,
- wyniki składowych dla respondentów, marek, produktów lub innych analizowanych obiektów,
- udział wyjaśnionej wariancji, pomocny przy decyzji, ile składowych zachować do dalszych analiz.
PCA nie daje automatycznie gotowych nazw ani znaczeń biznesowych dla składowych. Interpretacja wymaga analizy pytań, które mają wysokie ładunki na danej składowej, oraz odniesienia ich do celu badania i kontekstu kategorii.
Zastosowanie analizy głównych składowych (PCA) w praktyce
Analiza głównych składowych jest wykorzystywana przede wszystkim w badaniach ilościowych, gdy liczba zmiennych jest duża w relacji do potrzeb analitycznych. Pozwala ograniczyć nadmiarowość informacji, uprościć modele oraz przygotować dane do metod wymagających zwartego zestawu cech.
Jednym z częstych zastosowań PCA jest przygotowanie danych do segmentacji klientów. Zamiast budować segmenty na podstawie wielu silnie powiązanych odpowiedzi, można wykorzystać wyniki kilku składowych. Taka procedura zmniejsza ryzyko, że określony obszar postaw zostanie nadmiernie uwzględniony wyłącznie dlatego, że był mierzony wieloma podobnymi pytaniami.
W projektach rynkowych analiza głównych składowych może służyć między innymi do:
- redukcji zestawu atrybutów ocenianych dla marek, produktów lub usług,
- przygotowania zmiennych do segmentacji metodami grupowania,
- budowy syntetycznych wskaźników opisujących wzorce opinii lub zachowań,
- identyfikacji dominujących wymiarów wizerunku marki,
- uproszczenia danych wejściowych do modeli predykcyjnych,
- przygotowania danych do map percepcji i analiz pozycjonowania marek.
Przykładowo, w badaniu rynku telekomunikacyjnego respondent może oceniać kilkanaście aspektów oferty: cenę, przejrzystość taryf, jakość obsługi, zasięg, niezawodność, elastyczność umowy i funkcje cyfrowe. PCA może wskazać, że część tych ocen układa się w szersze wymiary, takie jak postrzegana opłacalność, wygoda obsługi lub jakość techniczna. Tak otrzymane składowe mogą następnie zostać użyte do porównywania marek albo profilowania segmentów.
W badaniach B2B analiza głównych składowych znajduje zastosowanie na przykład przy analizie kryteriów wyboru dostawcy, ocenie doświadczeń klientów biznesowych czy badaniu potrzeb zakupowych. Przy dużej liczbie cech oferty pozwala rozróżnić najważniejsze wzorce decyzyjne bez konieczności interpretowania każdej zmiennej osobno.
W podejściu mixed-methods wyniki PCA mogą stanowić punkt wyjścia do badań jakościowych. Wywiady pogłębione lub warsztaty pomagają wtedy wyjaśnić, co kryje się za zidentyfikowanymi wzorcami liczbowymi oraz jak respondenci rozumieją atrybuty tworzące daną składową.
Analiza głównych składowych (PCA) a powiązane metody
Analiza głównych składowych należy do metod eksploracyjnej analizy danych. Jest często stosowana przed segmentacją, analizą skupień, regresją, modelowaniem predykcyjnym lub wizualizacją wielowymiarową. Jej zasadniczą funkcją jest redukcja wymiarów, a nie bezpośrednie testowanie hipotez przyczynowych.
PCA bywa łączona z analizą skupień. Najpierw dane są redukowane do kilku głównych składowych, a następnie na tej podstawie identyfikuje się grupy respondentów o podobnych profilach. Takie podejście ułatwia analizę segmentacyjną i ogranicza wpływ współliniowości zmiennych wejściowych.
W przypadku map percepcji analiza głównych składowych może służyć do przedstawienia wielu ocen marek lub produktów na ograniczonej liczbie wymiarów. Należy jednak odróżnić PCA od wielowymiarowego skalowania, które opiera się przede wszystkim na podobieństwach lub odległościach między obiektami. PCA pracuje natomiast na wartościach zmiennych opisujących te obiekty.
Kluczowe pytanie brzmi: czym różni się PCA od analizy czynnikowej? Obie metody wykorzystują relacje między zmiennymi i mogą prowadzić do ograniczenia liczby wymiarów analizy, ale ich cel oraz logika są odmienne.
- Analiza głównych składowych koncentruje się na redukcji danych. Składowe są tworzone tak, aby wyjaśniać możliwie dużą część całkowitej wariancji obserwowanych zmiennych.
- Analiza czynnikowa służy przede wszystkim identyfikacji ukrytych konstruktów, których nie obserwuje się bezpośrednio, ale które mają wpływać na odpowiedzi na wiele pytań. Modeluje wspólną wariancję zmiennych i zakłada istnienie czynników latentnych.
- W PCA każda składowa jest technicznym przekształceniem danych. W analizie czynnikowej czynnik jest interpretowany jako potencjalny konstrukt teoretyczny, na przykład zaufanie do marki, orientacja cenowa lub postrzegana innowacyjność.
Jeżeli celem jest skrócenie zestawu zmiennych przed segmentacją lub budową modelu, analiza głównych składowych zwykle stanowi właściwy wybór. Jeżeli celem jest walidacja struktury skali albo pomiar ukrytego konstruktu, bardziej adekwatna będzie analiza czynnikowa, w szczególności potwierdzająca analiza czynnikowa w przypadku walidacji wcześniej założonej struktury.
Ograniczenia analizy głównych składowych (PCA)
Analiza głównych składowych wymaga ostrożnej interpretacji, ponieważ składowe nie muszą odpowiadać naturalnie występującym kategoriom psychologicznym, konsumenckim ani biznesowym. PCA porządkuje wariancję danych, ale nie rozstrzyga, czy za obserwowanym układem stoją rzeczywiste mechanizmy zachowań klientów.
Przed zastosowaniem analizy głównych składowych warto zweryfikować kilka warunków metodologicznych:
- czy zmienne są mierzone w sposób umożliwiający analizę relacji liczbowych,
- czy między zmiennymi występują wystarczająco silne zależności, ponieważ przy braku korelacji redukcja wymiarów ma ograniczoną wartość,
- czy brakujące dane, obserwacje odstające i różnice skal zostały właściwie obsłużone,
- czy liczba zachowanych składowych wynika zarówno z kryteriów statystycznych, jak i z ich użyteczności interpretacyjnej,
- czy wyniki są stabilne dla różnych grup respondentów lub kolejnych fal badania.
Analiza głównych składowych nie zastępuje również decyzji badawczych dotyczących konstrukcji kwestionariusza. Jeżeli pytania są nieprecyzyjne, mieszają różne zagadnienia albo nie odpowiadają celowi projektu, nawet poprawnie przeprowadzona PCA nie zapewni wartościowych wniosków. Najlepsze rezultaty przynosi wtedy, gdy stanowi element świadomie zaprojektowanego procesu analitycznego, a jej wyniki są konfrontowane z wiedzą o rynku, klientach i badanej kategorii.