कारक विश्लेषण

कारक विश्लेषण (अंग्रेज़ी: Factor analysis) एक सांख्यिकीय पद्धति है जिसका उपयोग प्रेक्षित, सहसंबद्ध चरों के बीच परिवर्तनशीलता का वर्णन करने के लिए संभावित रूप से कम संख्या में न देखे गए चरों के संदर्भ में किया जाता है जिसे कारक कहा जाता है। उदाहरण के लिए, यह संभव है कि छह देखे गए चरों में परिवर्तन मुख्य रूप से दो न देखे गए (अंतर्निहित) बदलाव में परिवर्तन के कारण होते हैं। कारक विश्लेषण न देखे गए अव्यक्त चरों की प्रतिक्रिया में ऐसी संयुक्त विविधताओं की खोज करता है। देखे गए चर को संभावित कारकों और "त्रुटि" शब्दों के रैखिक संयोजन के रूप में मॉडल किया गया है, इसलिए कारक विश्लेषण को चर-में-त्रुटि मॉडल के एक विशेष मामले के रूप में माना जा सकता है।^[1]

सीधे शब्दों में कहें तो, किसी चर का कारक भार उस सीमा को निर्धारित करता है जिस हद तक चर किसी दिए गए कारक से संबंधित है।^[2]

कारक विश्लेषणात्मक तरीकों के लिए एक विशिष्ट औचित्य यह है कि देखे गए चरों के बीच परस्पर निर्भरता के बारे में प्राप्त ज्ञान का उपयोग डेटासेट में चरों की संख्या को कम करने के लिए किया जा सकता है। कारक विश्लेषण का उपयोग आमतौर पर साइकोमेट्रिक्स, व्यक्तित्व मनोविज्ञान, जीव विज्ञान, विपणन, उत्पाद प्रबंधन, संचालन अनुसंधान, वित्त और मशीन लर्निंग में किया जाता है। यह उन डेटा सेटों से निपटने में उपयोगी हो सकता है जिनमें बड़ी संख्या में देखे गए चर होते हैं लेकिन माना जाता है कि वे कम संख्या में अंतर्निहित/अव्यक्त चरों को प्रतिबिंबित करते हैं। यह सबसे अधिक उपयोग की जाने वाली अंतर-निर्भरता तकनीकों में से एक है और इसका उपयोग तब किया जाता है जब चरों का प्रासंगिक सेट एक व्यवस्थित अंतर-निर्भरता दिखाता है और इसका उद्देश्य उन अव्यक्त कारकों का पता लगाना है जो एक समानता बनाते हैं।