Funkcjonalna analiza głównych składowych w badaniu zmian liczby studentów w czasie w krajach europejskich
Autorzy: Małgorzata Sej-Kolasa, Mirosława Sztemberg-Lewandowska
Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, 2013, nr 916, s. 71-81
Streszczenie
Analiza głównych składowych (PCA) polega na transformacji zmiennych pierwotnych w zbiór nowych wzajemnie ortogonalnych zmiennych, zwanych głównymi składowymi. Funkcjonalna analiza głównych (FPCA) składowych ma zalety klasycznej analizy głównych składowych, dodatkowo umożliwia analizę danych o charakterze dynamicznym. Podstawową różnicą między tymi dwiema metodami jest rodzaj danych: PCA bazuje na danych wielowymiarowych, natomiast FPCA na danych funkcjonalnych. Danymi funkcjonalnymi są krzywe i trajektorie, czyli ciąg indywidualnych obserwacji, a nie pojedyncza obserwacja. Celem artykułu jest pokazanie możliwości wykorzystania funkcjonalnej analizy głównych składowych do badania zjawisk opisanych danymi wzdłużnymi (longitudinal data). Przykład wykorzystania tej metody omówiony w artykule opiera się na analizie zmiany liczby studentów w czasie w wybranych krajach europejskich. Możliwości wizualizacyjne metody pozwalają na porównanie krajów i wyodrębnienie obserwacji odstających.
Słowa kluczowe: dane funkcjonalne, dane wzdłużne, funkcjonalna analiza głównych składowych, szkolnictwo wyższe.
The Analysis of Changes over Time in the Number of Students Using Functional Principal Component Analysis in European Countries
Authors: Małgorzata Sej-Kolasa, Mirosława Sztemberg-Lewandowska
Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, 2013, no 916, pp. 71-81
Abstract
Principal component analysis (PCA) transforms an original set of variables into a new orthogonal set called principal components. Functional principal component analysis (FPCA) has the same advantages as classical principal component analysis while also enabling the analysis of dynamic data. The main difference between them is that PCA is based on multidimensional data and FPCA is based on functional data. The functional data are curves, surfaces or anything else varying over a continuum. They are not a single observation. The main aim of the paper is to show the usefulness of applying functional principal component analysis in order to analyse longitudinal data. The paper presents an example of how this method has been used based on the analysis of changes in the number of students (over time) in chosen European countries. Visualisation of the results makes it possible to compare countries and detect outliers.
Keywords: functional data, longitudinal data, functional principal component analysis, higher education.
Wersją pierwotną czasopisma jest publikacja drukowana.
Artykuł jest dostępny również w bazie CEEOL http://www.ceeol.com/. Zeszyt Naukowy
nr 916 jest dostępny w czytelni internetowej Ibuk http://www.ibuk.pl/
The article is available in the CEEOL database http://www.ceeol.com/. The journal is available in the online reading room Ibuk http://www.ibuk.pl/
