While estimating L by the Maximum L

While estimating L by the Maximum Likelihood method, Factor
Analysis identifies a rotation and a scale of L that contracts as
many coefficients to zero as possible. Having a sparse matrix L
increases the interpretability of the factor model, since any factor
will be created using only a few observable variables, hence
allowing us to bundle several inter-related variables and label
them as a factor.

ผลลัพธ์ (ไทย) 1:

ในขณะที่ประมาณลิตรโดยวิธีความน่าจะเป็นสูงสุดปัจจัยการวิเคราะห์
ระบุการหมุนและขนาดของ l ที่สัญญาเป็นค่าสัมประสิทธิ์หลาย
ให้เป็นศูนย์ที่เป็นไปได้ l มีเมท
เพิ่ม interpretability ของแบบจำลองปัจจัยตั้งแต่
ปัจจัยใดจะถูกสร้างขึ้นโดยใช้เพียงไม่กี่ตัวแปรที่สังเกตได้จึงช่วยให้เรา
กำตัวแปรระหว่างที่เกี่ยวข้องหลายคนและฉลาก
พวกเขาเป็นปัจจัย

ผลลัพธ์ (ไทย) 2:

ในขณะที่ประมาณ L โดยวิธีความเป็นไปได้สูงสุด ปัจจัย
วิเคราะห์ระบุการหมุนและขนาดของ L ที่สัญญาเป็น
สัมประสิทธิ์ในศูนย์เป็นไป มีเมทริกซ์ห่าง L
เพิ่ม interpretability รุ่นคูณ ตั้งแต่ปัจจัยใด ๆ
จะสร้างโดยใช้เฉพาะกี่ observable แปร ดังนั้น
ทำให้เราสามารถรวมกลุ่มต่าง ๆ ที่เกี่ยวข้องระหว่างตัวแปรและป้าย
พวกเขาเป็นตัว

ผลลัพธ์ (ไทย) 3:

ในขณะที่การประเมิน L โดยสูงสุดความน่าจะเป็นวิธีที่การวิเคราะห์ปัจจัย
ซึ่งจะช่วยระบุตำแหน่งตามวาระและขนาดของ L ว่าสัญญาเป็น
coefficients จำนวนมากในการเป็นศูนย์เป็นไปได้ Matrix Storage Technology มีพลเมืองที่ L
ซึ่งจะช่วยเพิ่ม interpretability ของปัจจัยที่นับตั้งแต่ปัจจัยใดๆ
ซึ่งจะช่วยจะถูกสร้างขึ้นโดยใช้เท่านั้นที่เป็นตัวแปรสำคัญเห็นได้ไม่กี่
ซึ่งจะช่วยทำให้เราจึงจะเป็นตัวแปรสำคัญระหว่างกลุ่มที่เกี่ยวข้องกับหลายอย่างและป้ายชื่อ
เขาในฐานะที่เป็นปัจจัยหนึ่ง.