Factor analysis is applicable when

Factor analysis is applicable when variables are highly correlated, but it is not
necessary that the correlation among the variables shows real influence on the
phenomenon to be evaluated. Moreover, factor analysis is highly sensitive to a particular
type of change which may be in terms of revision, modification, updation, data
deficiency, and sample size. Hence, the statistical identification becomes complicated
and inappropriate for non-linear combinations (Hair et al., 1987). In correlation, the lower
weights are allocated to those variables which are highly correlated but correlations
among variables “might not correspond to the real-world links between the phenomena
being measured” (Singh et al., 2007a, b).Thus, correlation is an inappropriate method for
analyzing non-linear relationships.
Conjoint analysis highly depends on the selected sample type and the framing of
questionnaire. It requires a pre-specified utility function, large sample size and
preferences, due to which evaluation process becomes quite cumbersome (Hardi and
Desouza-Huletey, 2000). In ISM, a relationship diagraph of factors is developed.
The factors placed at the top position in the diagraphmodel reveals high priority and vice
versa. But the exact weights of the factors cannot be identified by this methodology and
moreover it is incapable to check the consistency of the decision makers.

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์ปัจจัยที่จะใช้ได้เมื่อตัวแปรมีความสัมพันธ์สูง แต่ก็ไม่จำเป็นที่ความสัมพันธ์ระหว่างตัวแปรแสดงจริงมีผลการปรากฏการณ์ที่จะประเมิน นอกจากนี้ การวิเคราะห์ปัจจัยเป็นการเฉพาะความเปลี่ยนแปลงซึ่งอาจเป็นในแง่ของ revision ดัดแปลง เผยแพร่หนังสือเชิญ ข้อมูลขาด และขนาดตัวอย่าง จึง กลายเป็นรหัสสถิติที่ซับซ้อนและไม่เหมาะสมสำหรับไม่ใช่เชิงผสม (ผม et al. 1987) ในความสัมพันธ์ ล่างน้ำหนักถูกปันส่วนไปที่ตัวแปรที่มีความสัมพันธ์สูงแต่ความสัมพันธ์ระหว่างตัวแปร "อาจไม่ตรงกับการเชื่อมโยงโลกแห่งความจริงระหว่างปรากฏการณ์วัด" (สิงห์ร้อยเอ็ด 2007a, b) ดังนั้น ความสัมพันธ์เป็นวิธีการที่เหมาะสมสำหรับวิเคราะห์ความสัมพันธ์ของสมบัติการวิเคราะห์ conjoint สูงขึ้นอยู่กับชนิดของตัวอย่างที่เลือกและการจัดองค์ประกอบของสอบถาม ต้องการฟังก์ชันอรรถประโยชน์ที่ระบุไว้ก่อน ขนาดใหญ่ตัวอย่าง และตั้งค่า จะค่อนข้างยุ่งยากเนื่องจากการประเมินกระบวนการ (Hardi และDesouza-Huletey, 2000) ใน ISM, diagraph ความสัมพันธ์ของปัจจัยที่ถูกพัฒนาขึ้นปัจจัยที่อยู่ในตำแหน่งด้านบน diagraphmodel แสดงให้เห็นลำดับความสำคัญสูงและรองในทางกลับกัน แต่น้ำหนักที่แน่นอนในปัจจัยไม่สามารถระบุได้ โดยวิธีการนี้ และนอกจากนี้ มันไม่สามารถตรวจสอบความสอดคล้องของผู้ตัดสินใจ

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ปัจจัยที่มีผลบังคับใช้เมื่อตัวแปรมีความสัมพันธ์อย่างมาก แต่มันก็ไม่
จำเป็นที่ความสัมพันธ์ระหว่างตัวแปรที่แสดงให้เห็นถึงอิทธิพลที่แท้จริงเกี่ยวกับ
ปรากฏการณ์ที่จะได้รับการประเมิน นอกจากนี้การวิเคราะห์ปัจจัยที่มีความไวต่อการเฉพาะ
ประเภทของการเปลี่ยนแปลงซึ่งอาจจะเป็นในแง่ของการแก้ไขดัดแปลง updation ข้อมูล
ขาดและขนาดของกลุ่มตัวอย่าง ดังนั้นการระบุสถิติกลายเป็นความซับซ้อน
และไม่เหมาะสมสำหรับการรวมที่ไม่ใช่เชิงเส้น (Hair et al., 1987) ในความสัมพันธ์ที่ต่ำกว่า
น้ำหนักจะจัดสรรให้ตัวแปรเหล่านั้นซึ่งมีความสัมพันธ์อย่างมาก แต่ความสัมพันธ์
ระหว่างตัวแปร "อาจจะไม่สอดคล้องกับการเชื่อมโยงโลกแห่งความจริงระหว่างปรากฏการณ์
วัด" (ซิงห์ et al., 2007A b) .Thus ความสัมพันธ์คือ เป็นวิธีการที่ไม่เหมาะสมสำหรับ
การวิเคราะห์ความสัมพันธ์ที่ไม่ใช่เชิงเส้น.
การวิเคราะห์ร่วมกันสูงขึ้นอยู่กับชนิดของกลุ่มตัวอย่างที่เลือกและกรอบของ
แบบสอบถาม มันต้องมีการกำหนดไว้ล่วงหน้าฟังก์ชั่นยูทิลิตี้ขนาดของกลุ่มตัวอย่างขนาดใหญ่และ
การตั้งค่าเนื่องจากการที่กระบวนการประเมินผลจะค่อนข้างยุ่งยาก (Hardi และ
DeSouza-Huletey, 2000) ใน ISM เป็น diagraph ความสัมพันธ์ของปัจจัยที่มีการพัฒนา.
ปัจจัยที่วางไว้ที่ตำแหน่งสูงสุดใน diagraphmodel เผยให้เห็นความสำคัญสูงและรอง
ในทางกลับกัน แต่น้ำหนักที่แน่นอนของปัจจัยที่ไม่สามารถระบุได้ด้วยวิธีนี้และ
นอกจากนี้ยังมีความสามารถในการตรวจสอบความสอดคล้องของผู้มีอำนาจตัดสินใจที่

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์องค์ประกอบใช้ได้เมื่อตัวแปรมีความสัมพันธ์ แต่มันไม่ได้จำเป็นที่ความสัมพันธ์ระหว่างตัวแปรต่างๆ แสดงให้เห็นถึงอิทธิพลที่แท้จริงบนปรากฏการณ์ที่จะได้รับการประเมิน นอกจากนี้ การวิเคราะห์ปัจจัยที่มีความไวสูงใน โดยเฉพาะประเภทของการเปลี่ยนแปลง ซึ่งอาจอยู่ในรูปของการแก้ไข , การปรับเปลี่ยน , updation ข้อมูลขาด และขนาดตัวอย่าง ดังนั้น การระบุสถิติกลายเป็นซับซ้อนและไม่เหมาะสมสำหรับการผสมแบบไม่เป็นเชิงเส้น ( ผม et al . , 1987 ) ในความสัมพันธ์ , กว่าน้ำหนักจะจัดสรรให้บรรดาตัวแปร ซึ่งมีความสัมพันธ์ แต่ความสัมพันธ์ระหว่างตัวแปร " อาจไม่สอดคล้องกับโลกแห่งความจริง การเชื่อมโยงระหว่างปรากฏการณ์ถูกวัด " ( Singh et al . , 2007a , B ) ดังนั้น ความสัมพันธ์เป็นวิธีที่ไม่เหมาะสมการวิเคราะห์ความสัมพันธ์ที่ไม่เป็นเส้นตรงการวิเคราะห์คอนจอยท์สูง ขึ้นอยู่กับการเลือกชนิดและกรอบของตัวอย่างแบบสอบถาม มันต้องใช้ก่อนกำหนดฟังก์ชันอรรถประโยชน์ และขนาดตัวอย่างใหญ่การตั้งค่าจากซึ่งกระบวนการประเมินผลจะค่อนข้างยุ่งยาก ( hardi และdesouza huletey , 2000 ) ในลัทธิ ความสัมพันธ์ของปัจจัยที่เป็นกระดาษขึ้นปัจจัยอยู่ที่ตำแหน่งสูงสุดใน diagraphmodel เผยให้เห็นความสําคัญและรองในทางกลับกัน แต่น้ำหนักที่แน่นอนของปัจจัยที่ไม่สามารถระบุโดยวิธีการนี้นอกจากนี้ยังสามารถตรวจสอบความสอดคล้องของการตัดสินใจ .