Zaradi tega smo namesto nelinearne analize izvedli analizo lastnih vrednosti (angl. eigenvalue), pri kateri je program izračunal kritično uklonsko silo nosilca.

Spektralna središčnost (angl. eigenvalue centrality) je merilo iz teorije grafov, ki se uporablja za določitev pomembnosti vozlišč v danem omrežju.

Prvi faktor vsebuje najvišjo vrednost eigenvalue in s tem tudi pojasnjuje največji odstotek variance.

Prva funkcija ima največje vrednost količnika med varianco med skupinami in varianco znotraj skupin (eigenvalue).

Eigenvalue) večjo kot , kolikor je spremenljivk zazrtih v prihodnost (angl.

Drugi statistični pokazatelj pa je lastna vrednost dobljenih komponent oziroma faktorjev (angl. eigenvalue).

Beseda "dobro" je v tem primeru mišljena kot lastna vrednost (eigenvalue) komponent oz. odstotek variabilnosti modela, ki jo komponente pojasnjujejo.

Ang. eigenvalue je predvsem v tem, da sama dopušča možnost korelacije med faktorji.

Pri izboru števila faktorjev smo upoštevali lastno vrednost ( angl. eigenvalue ) , in delež pojasnjene variance , ki je predstavljena spodaj v tabeli .

Eigenvalue ) večjo kot , kolikor je spremenljivk zazrtih v prihodnost ( angl.

V prvi fazi analize so rezultati pokazali tri komponente z lastno vrednostjo (angl. eigenvalue) več kot 1.

V analizi so se pokazali štirje faktorji z lastno vrednostjo ( angl. eigenvalue ) višjo od 1.

Najprej smo upoštevali vse komponente, katerih lastna vrednost (eigenvalue) je bila vsaj 1.

Lastna vrednost (eigenvalue) vsake od njih je bila več kot 1 (pregl.

Privzet način v večini statističnih programov je, da se ohranijo tisti faktorji, ki imajo lastno vrednost (eigenvalue) višjo od 1,0.

S faktorsko analizo ( z varimax rotacijo ) smo izračunali manjše število linearnih kombinacij merjenih spremenljivk ( pregl . 4 ) z lastno vrednostjo ( ang. eigenvalue ) večjo od 1,5.

Te vrednosti so naši izločeni faktorji , ki imajo lastne vrednosti ( eigenvalue ) , ki znašajo vsaj 1 in je hkrati njihova skupna pojasnjenost variance vsaj 60 % .

"eigenvalue") je merilo, koliko variance opazovanega konstrukta pojasni faktor (25).

Lastna vrednost (eigenvalue) vsakega od njih je bila več kot 1 (preglednica 2).

Lastna vrednost faktorja (eigenvalue) je bila pri vseh meritvah podobna, med 10,24 in 9,32 (5).