The authors chose the number of pri

The authors chose the number of principal components using the percentage of total variability explained which establishes a limit and verifies the number of eigenvalues needed to achieve it. In this work, the limit was close to 60%, because, according tojohnson and Wichem (2002), if the number of principal components is too small, there may be an exaggerated reduction of dimensionality and a lot of informa¬tion may be lost. If it is large, it may not meet the reduction targets. The participants assessed items, such as food, trips to local attractions, transfers, drinks and fun in the infrastructure of the accommodation, on a scale from 1 to 5, where “1” represents “not important” and “5” refers to “absolutely important” at the time of purchasing the trip in this modality. To obtain these results, the authors used multivariate analysis, specifically principal component analysis.
RESULTS
The predominant group of participants in terms of age range was the 18—25 group, representing 44%, followed by the group of 26-34 years, with exactly one-third of the participants. The sample is composed of 63% females and mostly unmarried people (64%), influencing the number who had children (only 31%). In this group, more than half had only one child (55%). Regarding their opinions about the trip with the all-inclusive system, 27% of the respondents consider this an “excellent” method. However, 38% of them con¬sider it as a “very good” method. Less than 6% consider it bad or worse. The two main advantages that may exist on a trip with the all¬inclusive system are the early definition of the amounts to be spent and protection against price increases at the destination at the time of the trip (Table 2). The reduction of the displacements in the des¬tination and the increased sense of place security only accounted for 13% of the reports.
Table 2 - Main advantages on an all-inclusive trip
Amount to be spent is set in advance 71,26
Protection against price increases at the destination at the time of travel 55,17 Higher feeling of safety at the destination 28,74
Exclusive leisure moments for children and adults 14,94
Less displacements at the destination 12,64
To obtain these results, the authors used multivariate analysis, spe-cifically principal component analysis (Table 3). The multivariate anal¬ysis chose the first two components that together explained the main 64.5% of data variability. The first structure, represented by the first component, accounted for 43.1% of the data variability and shows that individuals consider all the important items jointly. The item “bever¬ages” has more variability among components. The second structure explains 21.4% of the data variability and shows that when someone assigned a high level of importance to drinks, also assigns low impor¬tance to the other items (or vice versa).
Table 3 - Covariance Matrix Eigen analysis
Eingenvalue 2,6873 1,3375 1,0367 0,7198 0,4569
Proportion 0,431 0,214 0,166 0,115 0,073
Cumulative 0,431 0,645 0,811 0,927 1
Variable PC1 PC2 PC3 PC4 PC5
q7- food 0,271 0,2 0,418 0,141 0,832
q7-tour 0,281 0,687 0,134 0,512 -0,411
q7- transfers 0,365 0,39 0,079 -0,834 -0,112
q7- beverages 0,801 -0,549 0,077 0,126 -0,189
q7- entertaiment 0,271 0,185 -0,892 0,08 0,302

Αποτελέσματα (Ελληνικά) 1:

The authors chose the number of principal components using the percentage of total variability explained which establishes a limit and verifies the number of eigenvalues needed to achieve it. In this work, the limit was close to 60%, because, according tojohnson and Wichem (2002), if the number of principal components is too small, there may be an exaggerated reduction of dimensionality and a lot of informa¬tion may be lost. If it is large, it may not meet the reduction targets. The participants assessed items, such as food, trips to local attractions, transfers, drinks and fun in the infrastructure of the accommodation, on a scale from 1 to 5, where “1” represents “not important” and “5” refers to “absolutely important” at the time of purchasing the trip in this modality. To obtain these results, the authors used multivariate analysis, specifically principal component analysis.RESULTSΗ κυρίαρχη ομάδα των συμμετεχόντων όσον αφορά την ηλικιακή ομάδα ήταν τα 18-25 ομάδα, που αντιπροσωπεύουν το 44%, ακολουθούμενη από την ομάδα των 26-34 ετών, με ακριβώς το ένα τρίτο των συμμετεχόντων. Το δείγμα αποτελείται από 63% γυναίκες και ως επί το πλείστον άγαμος ανθρώπους (64%), που επηρεάζουν τον αριθμό που είχε παιδιά (μόνο το 31%). Σε αυτή την ομάδα, περισσότερο από το ήμισυ είχε μόνο ένα παιδί (55%). Όσον αφορά τις απόψεις τους σχετικά με το ταξίδι με το all-inclusive σύστημα, το 27% των ερωτηθέντων θεωρούν αυτό μια «εξαιρετική» μέθοδος. Ωστόσο, το 38% του τους con¬sider ως μια «πολύ καλή» μέθοδος. Λιγότερο από 6% το θεωρούν κακό ή χειρότερο. Τα δύο κύρια πλεονεκτήματα που μπορεί να υπάρχουν σε ένα ταξίδι με το σύστημα all¬inclusive είναι τον πρώιμο ορισμό των ποσών που πρέπει να δαπανηθεί και αυξάνει την προστασία κατά της τιμής στον προορισμό κατά τη στιγμή του ταξιδιού (Πίνακας 2). Η μείωση της οι μετατοπίσεις του des¬tination και η αυξημένη αίσθηση της ασφάλειας τόπο αντιπροσώπευαν μόνο το 13% των εκθέσεων.Πίνακας 2 - κύρια πλεονεκτήματα σε ένα all-inclusive ταξίδιΠοσό που πρέπει να δαπανηθεί έχει οριστεί εκ των προτέρων 71,26Προστασία κατά της αύξησης των τιμών στον προορισμό τη στιγμή του ταξιδιού 55,17 υψηλότερο αίσθημα ασφάλειας στον προορισμό 28.74Στιγμές αναψυχής αποκλειστικά για παιδιά και ενήλικες 14,94Λιγότερες μετακινήσεις στον προορισμό 12,64Για να αποκτήσετε αυτά τα αποτελέσματα, οι συγγραφείς χρησιμοποίησαν πολυμεταβλητή ανάλυση, ανάλυση κύριων συνιστωσών spe-ρητή (Πίνακας 3). Η πολυμεταβλητή anal¬ysis επέλεξε τα δύο πρώτα στοιχεία που μαζί εξήγησε ο κύριος 64,5% μεταβλητότητα των δεδομένων. Η πρώτη δομή, που αντιπροσωπεύεται από το πρώτο στοιχείο, αντιπροσώπευαν το 43,1% των δεδομένων μεταβλητότητα και δείχνει ότι άτομα να εξετάσουν από κοινού όλα τα σημαντικά στοιχεία. Το στοιχείο «bever¬ages» έχει μεγαλύτερη μεταβλητότητα μεταξύ των συστατικών. Η δεύτερη δομή εξηγεί 21,4% της μεταβλητότητας δεδομένα και δείχνει ότι όταν κάποιος που έχει αντιστοιχιστεί ένα υψηλό επίπεδο σημασίας σε ποτά, αντιστοιχίζει επίσης χαμηλή impor¬tance με τα άλλα στοιχεία (ή αντίστροφα).Πίνακας 3 - ανάλυση συνδιακύμανσης Matrix ΈιγκενEingenvalue 2,6873 1,3375 1,0367 0,7198 0,4569Ποσοστό 0,431 0,214 0,166 0,115 0,073Αθροιστική 0,431 0,645 0,811 0,927 1Μεταβλητή PC1 PC2 PC3 PC4 PC5Q7-τροφίμων 0,271 0,2 0,418 0,141 0,832Q7-περιήγηση 0,281 0,687 0,134 0,512-0,411Q7-μεταφορές 0,365 0,39 0,079-0,834-0,112Q7-ποτά 0,801-0,549 0,077 0,126-0,189Q7-ψυχαγωγία 0,271 0,185-0,892 0,08 0,302

Αποτελέσματα (Ελληνικά) 2:

Οι συγγραφείς επέλεξαν τον αριθμό των κύριων συστατικών χρησιμοποιώντας το ποσοστό της συνολικής διακύμανσης εξηγείται η οποία καθορίζει ένα όριο και επαληθεύει τον αριθμό των ιδιοτιμών που απαιτούνται για την επίτευξή του. Στην εργασία αυτή, το όριο ήταν κοντά στο 60%, διότι, σύμφωνα tojohnson και Wichem (2002), εάν ο αριθμός των κύριων συστατικών είναι πολύ μικρή, μπορεί να υπάρχει μια υπερβολική μείωση της διάστασης και πολλά informa¬tion μπορεί να χαθεί . Αν είναι μεγάλη, μπορεί να μην επιτύχουν τους στόχους μείωσης. Οι συμμετέχοντες αξιολογήθηκαν στοιχεία, όπως τα τρόφιμα, τα ταξίδια σε τοπικά αξιοθέατα, μεταφορές, ποτά και διασκέδαση στην υποδομή του καταλύματος, σε μια κλίμακα από 1 έως 5, όπου το "1" αντιπροσωπεύει "δεν είναι σημαντικά" και "5" αναφέρεται σε " απολύτως σημαντικό "κατά τη στιγμή της αγοράς το ταξίδι σε αυτήν την τροπικότητα. Για να αποκτήσετε αυτά τα αποτελέσματα, οι συγγραφείς χρησιμοποίησαν πολυπαραγοντική ανάλυση, ειδικά ανάλυση σε κύριες συνιστώσες.
ΑΠΟΤΕΛΕΣΜΑΤΑ
Η κυρίαρχη ομάδα των συμμετεχόντων όσον αφορά την ηλικιακή ομάδα ήταν η ομάδα 18-25, που αντιπροσωπεύουν το 44%, ακολουθούμενη από την ομάδα των 26-34 ετών, με ακριβώς το ένα τρίτο των συμμετεχόντων. Το δείγμα αποτελείται από 63% γυναίκες και κυρίως ανύπαντρα άτομα (64%), επηρεάζοντας τον αριθμό που είχαν τα παιδιά (μόνο 31%). Σε αυτή την ομάδα, περισσότερο από το ήμισυ είχε μόνο ένα παιδί (55%). Όσον αφορά τις απόψεις τους για το ταξίδι με το all-inclusive σύστημα, το 27% των ερωτηθέντων θεωρούν ότι αυτό αποτελεί «εξαιρετική» μέθοδο. Ωστόσο, το 38% από αυτούς είναι con¬sider ως «πολύ καλή» μέθοδο. Λιγότερο από 6% θεωρούν κακό ή χειρότερο. Τα δύο βασικά πλεονεκτήματα που μπορεί να υπάρχουν σε ένα ταξίδι με το all¬inclusive συστήματος είναι η έγκαιρη ορισμό των ποσών που πρέπει να δαπανηθεί και την προστασία από τις αυξήσεις των τιμών στον προορισμό κατά τη στιγμή του ταξιδιού (Πίνακας 2). Η μείωση των μετακινήσεων στο des¬tination και η αυξημένη αίσθηση ασφάλειας τόπο αντιπροσώπευαν μόνο το 13% των εκθέσεων.
Πίνακας 2 - Κύρια πλεονεκτήματα σε ένα all-inclusive ταξίδι
ποσό που θα δαπανηθεί έχει οριστεί εκ των προτέρων 71,26
Προστασία από αυξήσεις των τιμών στον προορισμό κατά τη στιγμή του ταξιδιού 55,17 Ανώτατης αίσθημα ασφάλειας στον προορισμό επί 28,74
Αποκλειστική στιγμές αναψυχής για παιδιά και ενήλικες 14,94
Λιγότερο μετατοπίσεις στον προορισμό 12,64
για να αποκτήσετε αυτά τα αποτελέσματα, οι συγγραφείς χρησιμοποίησαν πολυμεταβλητή ανάλυση, ανάλυση κύριο συστατικό SPE-τρωνονται (Πίνακας 3). Η πολυπαραγοντική anal¬ysis επέλεξε τα πρώτα δύο συστατικά που μαζί εξήγησε ο κύριος 64,5% της μεταβλητότητας των δεδομένων. Η πρώτη δομή, εκπροσωπούμενη από τον πρώτο συστατικό, αντιπροσώπευαν το 43,1% της διακύμανσης των δεδομένων και δείχνει ότι τα άτομα εξετάσει όλες τις σημαντικές στοιχεία από κοινού. Το στοιχείο "bever¬ages" έχει περισσότερες μεταβλητότητα μεταξύ των συνιστωσών. Η δεύτερη δομή εξηγεί το 21,4% της διακύμανσης των δεδομένων και δείχνει ότι όταν κάποιος εκχωρηθεί ένα υψηλό επίπεδο σημασίας για ποτά, αναθέτει επίσης χαμηλή impor¬tance στα άλλα στοιχεία (ή αντίστροφα).
Πίνακας 3 - Covariance Matrix Έιγκεν ανάλυση
Eingenvalue 2, 6873 1,3375 1,0367 0,7198 0,4569
Ποσοστό 0.431 0.214 0.166 0.115 0.073
Αθροιστική 0.431 0.645 0.811 0.927 1
Μεταβλητό PC1 PC2 PC3 PC4 PC5
q7- τροφίμων 0.271 0,2 0.418 0.141 0.832
Q7-περιοδεία 0.281 0.687 0.134 0.512 -0.411
q7- μεταφορές 0.365 0,39 0.079 -0.834 -0.112
q7- ποτά 0.801 -0.549 0.077 0.126 -0.189
q7- Ψυχαγωγία 0.271 0.185 -0.892 0,08 0.302