Klastrová analýza a faktorová analýza sú dve štatistické metódy analýzy údajov. Tieto dve formy analýzy sa vo veľkej miere využívajú v prírodných a behaviorálnych vedách. Klastrová analýza aj faktorová analýza umožňujú používateľovi zoskupiť časti údajov do „klastrov“ alebo do „faktorov“ v závislosti od typu analýzy. Niektorí vedci, ktorí sú v oblasti metód klastrových a faktorových analýz nováčikom, môžu mať pocit, že tieto dva typy analýz sú si celkovo podobné. Aj keď sa klastrová analýza a faktorová analýza zdajú na prvý pohľad podobné, líšia sa mnohými spôsobmi, vrátane celkových cieľov a aplikácií.
Cieľ
Klastrová analýza a faktorová analýza majú rôzne ciele. Zvyčajným cieľom faktorovej analýzy je vysvetliť koreláciu v súbore údajov a spojiť premenné cieľom klastrovej analýzy je venovať sa heterogenite v každom súbore údajov. V zásade je zhluková analýza formou kategorizácie, zatiaľ čo faktorová analýza je formou zjednodušenia.
Zložitosť
Zložitosť je jedna otázka, v ktorej sa líšia faktorová analýza a klastrová analýza: veľkosť údajov ovplyvňuje každú analýzu inak. Ako množina údajov rastie, klastrová analýza sa stáva výpočtovo neriešiteľnou. Je to pravda, pretože počet údajových bodov v klastrovej analýze priamo súvisí s počtom možných klastrových riešení. Napríklad počet spôsobov, ako rozdeliť dvadsať objektov na 4 klastre rovnakej veľkosti, je viac ako 488 miliónov. To znemožňuje priame výpočtové metódy vrátane kategórie metód, ku ktorým patrí faktorová analýza.
Riešenie
Aj keď sú riešenia problémov s faktorovou analýzou aj s problémami s klastrovou analýzou do istej miery subjektívne, faktorová analýza umožňuje výskumníkovi poskytne „najlepšie“ riešenie v tom zmysle, že výskumný pracovník dokáže optimalizovať určitý aspekt riešenia (ortogonálnosť, ľahká interpretácia a tak dňa). To neplatí pre klastrovú analýzu, pretože všetky algoritmy, ktoré by mohli priniesť najlepšie riešenie pre klastrovú analýzu, sú výpočtovo neefektívne. Vedci, ktorí používajú klastrovú analýzu, preto nemôžu zaručiť optimálne riešenie.
Aplikácie
Faktorová analýza a klastrová analýza sa líšia v spôsobe ich použitia na skutočné údaje. Pretože faktorová analýza má schopnosť redukovať nepraktickú množinu premenných na oveľa menšiu množinu faktorov, je vhodná na zjednodušenie zložitých modelov. Faktorová analýza má tiež potvrdzujúce použitie, pri ktorom môže výskumník vytvoriť súbor hypotéz o vzťahu medzi premennými v dátach. Výskumník potom môže vykonať faktorovú analýzu súboru údajov, aby potvrdil alebo vyvrátil tieto hypotézy. Zhluková analýza je na druhej strane vhodná na klasifikáciu objektov podľa určitých kritérií. Výskumník môže napríklad merať určité aspekty skupiny novoobjavených rastlín a umiestniť tieto rastliny do druhových druhov pomocou klastrovej analýzy.
