ประโยชน์ลดจํานวนตัวแปรให้น้อยลงโดย

ประโยชน์
ลดจํานวนตัวแปรให้น้อยลงโดยยังคงสามารถรักษาสารสนเทศของข้อมูลเดิมไว้ได้เท่าท่ีต้องการโดยอาศัยการรวมตัวแปรเดิมหลายๆตัวให้เป็นปัจจัยเดียวกันซึ่งถือว่า
เป็นตัวแปรใหม่, สามารถสร้างFactorscoreซึ่งเป็นคา่ของตวัเลขที่เป็นตวัแทนของหน่วยตัวอย่างต่างๆ,ศึกษาโครงสร้างความสัมพันธ์ของตัวแปรแต่ละตัวและปัจจัยแต่ละปัจจัย, แก้ปัญหา Multicollinearity สําหรับการวิเคราะห์การถดถอย สามารถนําปัจจัยดังกล่าว ไปวิเคราะห์ทางสถิติต่อไป เช่น
Regression & correlation analysis - ANOVA and Discriminant analysis etc.

ผลลัพธ์ (อังกฤษ) 1:

BenefitsReduce the number of variables to the data can still be maintained by the same information as that required by the original variables include several of the same factors to be considered.A new variable, Factorscore, which can be created as the value of ตว้ is ตว้ instead of the sample units, study the structure of the relationship of each variable and each of the factors, factors, Multicollinearity problem solving for regression analysis such factors can be applied to further statistical analysis.Regression & correlation analysis - ANOVA and Discriminant analysis etc.

ผลลัพธ์ (อังกฤษ) 2:

 to
reduce the number of variables to a minimum, while still able to maintain the information of the original data set as needed by combining the original variable many to be the same, which is
a new variant, can create Factorscore which is the value of. The material is a material representation of a number of samples,  study the relationship of each variable factors and individual factors, solutions Multicollinearity. The regression analysis. Such factors can be The following statistical analysis Such
Regression & correlation analysis - ANOVA and Discriminant analysis etc.

ผลลัพธ์ (อังกฤษ) 3:

 useful
reduces the number of variables less the information of the original data set as ท่ี want the unification of the original lots to the same factors, which is considered a new variable,
Can create Factorscore which is the price of ตวั number เป็นตวั instead of a sample unit,  structure relationship of each variable and each factor, factorSolve the problem Multicollinearity for regression analysis can lead to such factors, statistical analysis, such as
    Regression. & correlation analysis - ANOVA and Discriminant analysis etc.