Data mining în afaceri

1. Analiza componentelor principale3

În această primă parte a proiectului am aplicat analiza componentelor principale (ACP) pe o matrice de date ale cărei coloane sunt descrise în tabelul de mai jos ( tabel 1.1).

Acești indicatori sunt înregistrați pentru 33 de țări și se refera la 4 categorii de indicatori, indicatorii din prima categorie (I1, I2,I3) aleasa, si anume: resurse umane - se refera la studiile (doctorale absolvite, învățământ terțiar) angajaților respectiv la durata acestora, lucru care determina implicit un impact direct asupra gradului de ocupare al forței de muncă (categoria 2 - I4). Cu alte cuvinte, cu cât angajații prezintă studii de ordin superior, cu atât prezintă și un grad de cunoștințe intelectuale mult mai ridicat (categoria 3 - I5, I6) comparativ cu cei care prezintă studii medii/liceale lucru ce impactează în mod direct vânzările (categoria 4 - I7,I8), în sens pozitiv.

Tabel 1.0. Țările indicatorilor analizați

COD INDICATOR DENUMIRE INDICATOR

I1 Absolventi de doctorat la 1000 locuitori;

I2 Ponderea populatiei cu studii superioare (grupa 25-34ani);

I3 Ponderea populatiei care participa la formare;

I4 Ocuparea forței de muncă în activități intensive ale cunoașterii

I5 Numar de brevete;

I6 Numar de marci inregistrate;

I7 Sectoarele inovatoare ale întreprinderilor cu creștere rapidă a forței de muncă;

I8 Vânzări de inovații noi pe piață;

Tabel 1.1. Indicatorii analizați

Primul pas în analiza componentelor principale este investigarea matricii de corelație. Aceasta permite identificarea redundanțelor informaționale și justificarea necesității utilizării acestui tip de analiza. Cei 8 indicatori definiți în tabelul 1.1 fac parte din cele 3 categorii evidențiate mai sus, conform metodologiei European Innovation Scoreboard (EIS) 2018.

Analiza are ca obiectiv obținerea a trei indicatori agregați care să reprezinte fiecare categorie. Am ilustrat această abordare pentru cei 8 indicatori. Conform metodologiei EIS, aceștia reflectă ponderea angajaților care prezintă studii superioare si modul in care impacteaza ocuparea fortei de munca.

Coeficienții de corelație dintre oricare două variabile sunt prezentați în tabelul 1.2.

Tabel 1.2. Matricea de corelație

 Identificăm valori ale coeficienților de corelație care sugerează corelații puternice pozitive: 0.82 ( I5-I3), singura corelație negativă este între indicatorul I5 și I6 ( -0.15). Pentru a decide dacă un coeficient de corelație este diferit de zero din punct de vedere statistic, vom folosi probabilitățile p-value asociate acestora.

Tabel 1.3. Probabilitățile asociate coeficienților de corelație

 De exemplu, coeficientul de corelație dintre I1și I6 , care are valoarea 0.14, nu este semnificativ statistic deoarece probabilitate p-value asociată este 0.44. Cu mici excepții, coeficienții de corelație sunt semnificativi, ceea ce demonstrează utilitatea aplicării ACP.

 Tabelul valorilor p-value prezintă redundanță, ceea ce ne indică faptul că Analiza Componentelor Principale este relevantă.

O modalitate mult mai sugestivă de a vizualiza informațiile din ultimele 2 tabele este reprezentarea unui grafic care include culori pentru a indica intensitatea și semnul coeficientului de corelație.