Nell'analisi di sondaggi con numerose domande, le complesse correlazioni tra gli elementi rendono difficile determinare quali elementi debbano essere prioritari dopo l'analisi. Questo studio propone un metodo per la selezione degli elementi più importanti utilizzando i carichi fattoriali compositi per affrontare questa sfida. Diversi elementi correlati all'esito vengono riassunti utilizzando l'analisi delle componenti principali, con la prima componente principale (ZY1) utilizzata come variabile di esito. D'altra parte, poiché sono presenti molte domande causali, queste vengono raggruppate utilizzando l'analisi dei cluster basata sulla struttura di correlazione. Successivamente, l'analisi di regressione multipla per la selezione delle variabili, con ZY1 come variabile dipendente e le componenti principali di ciascun gruppo come variabili indipendenti, estrae le componenti principali che hanno un impatto significativo sulla variabile di esito. Tuttavia, non è possibile affrontare direttamente le componenti principali stesse ed è difficile determinare gli elementi importanti quando più componenti principali vengono selezionate dallo stesso gruppo. Pertanto, questo studio presenta un metodo per la selezione degli elementi più importanti utilizzando i carichi fattoriali compositi che integrano le informazioni delle componenti principali selezionate. Tutti i metodi analitici utilizzati in questo studio, tra cui l'analisi delle componenti principali, l'analisi dei cluster e l'analisi di regressione multipla, possono essere eseguiti utilizzando JMP. Questo metodo può essere utilizzato come approccio pratico per supportare la selezione prioritaria degli elementi importanti nell'analisi di sondaggi con molte domande.
