Возможности и целесообразность применения многомерных статистических методов для исследования показателей конкурентоспособности территорий

В статье подробно описана процедура выделения общих факторов, расчетные численные значения которых позволили авторам оценить влияние факторов на производительность труда.
Авторы поставили такую задачу, как исследование возможности и целесообразности применения многомерных статистических методов для исследования показателей конкурентоспособности территорий. 
Очевидным преимуществом описанного метода является возможность правильной экономической интерпретации общих факторов, вытекающая из процедуры ротации факторов.
В статье обоснована возможность и актуальность применения многомерных статистических методов для изучения показателей территориальной конкурентоспособности. В ней рассматриваются показатели, которые являются наиболее важными для оценки конкурентоспособности, такие как производительность труда и факторы, влияющие на нее.
Использовали такие методы, как технология использования факторного анализа, позволяющая построить итоговую экономико-математическую модель, наилучшим образом согласующуюся с исходными статистическими данными. 
Технология факторного анализа используется в качестве практической иллюстрации, позволяющей авторам построить окончательную экономико-математическую модель, которая наилучшим образом соответствует исходным статистическим данным.
Кроме того, использование методологии факторного анализа помогает избежать проблем, связанных с обработкой огромного количества статистической информации.
Многомерный анализ помогает, а не заменяет критическое мышление в области анализа данных. Эти методы могут принести значимые результаты только в том случае, если будут тщательно рассмотрены вопросы размера выборки, типа переменной, распределения переменной и т. д., а обвинения в субъективности в интерпретации можно преодолеть только путем репликации.
Компьютерная революция создала много проблем для статистиков, не в последнюю очередь из-за простоты, с которой экспериментаторы могут получить доступ к пакетам программ для многомерного анализа, и, таким образом, обойти сложности статистики.
Конечно, есть много злоупотреблений одномернми статистическими методами. Здесь, однако, злоупотребления вряд ли приведут к таким серьезно вводящим в заблуждение результатам, как в многовариантном случае.
Факторный анализ - это статистический метод, используемый для описания изменчивости наблюдаемых коррелированных переменных в терминах потенциально меньшего числа ненаблюдаемых переменных, называемых факторами

. Например, возможно, что вариации шести наблюдаемых переменных в основном отражают вариации двух ненаблюдаемых (базовых) переменных. Факторный анализ ищет такие совместные изменения в ответ на ненаблюдаемые скрытые переменные. Наблюдаемые переменные моделируются как линейные комбинации потенциальных факторов плюс термины «ошибка». Факторный анализ направлен на поиск независимых скрытых переменных.
Теория факторных методов анализа заключается в том, что полученная информация о взаимозависимостях между наблюдаемыми переменными может быть использована позже для сокращения набора переменных в наборе данных. Факторный анализ обычно используется в биологии, психометрии, теориях личности, маркетинге, управлении продуктами, исследованиях операций и финансах. Это может помочь при работе с наборами данных, в которых имеется большое количество наблюдаемых переменных, которые, как считается, отражают меньшее количество скрытых / скрытых переменных. Это один из наиболее часто используемых методов взаимозависимости, который используется, когда соответствующий набор переменных демонстрирует систематическую взаимозависимость, и целью является выявление скрытых факторов, которые создают общность.
Факторный анализ связан с анализом главных компонентов, но они не идентичны. [1] В этой области произошли значительные разногласия по поводу различий между этими двумя методами. Метод главных компонент можно рассматривать как более базовую версию исследовательского факторного анализа, которая была разработана в первые дни до появления высокоскоростных компьютеров. Как метод главных компонент, так и факторный анализ направлены на уменьшение размерности набора данных, но подходы, принятые для этого, различны для двух методов. Факторный анализ четко разработан с целью выявления определенных ненаблюдаемых факторов из наблюдаемых переменных, в то время как метод главных компонент напрямую не решает эту задачу; в лучшем случае метод главных компонент обеспечивает приближение к необходимым факторам