2011暑期集训专题七——因子分析专题2011-07-13.ppt

方差极大正交旋转 因子坐标系正交旋转的目的主要是寻求适当正交变换矩阵， 使得 中矩阵B的结构尽可能简单：每列仅有少数几 个元素绝对值接近1，大部分接近于0，即要求因子仅与少 量变量的关系密切。 方差极大准则（Varimax）：为运算方便，要求B矩阵的每行 元素的平方有尽可能大的方差。 四次幂极大正交旋转：主要是清理因子载荷矩阵的行。此外 还可以清理载荷矩阵的列，这涉及到因子载荷的四次幂，故 称四次幂最大准则（Quartimax）。 3.3 斜交因子解 有时由于数据自身的原因，正交因子旋转无法达到前述目的，需要进行斜交因子旋转。 斜主因子解：因子轴 分别穿过数据组的重心位置，但不满足 。 斜参因子解：找到斜主因子解之后，就可以建立斜参因子轴即斜交因子参考轴：令 ，它们都可以通过某组正交因子解的斜交变换得到。 斜交因子解的原则是尽可能使变量落在主轴附近，或使得变量在参考轴上投影为0。 图3.因子轴斜交投影示意图 几点说明 通过主成分分析得到的主因子解是因子分析的基础，概念 还比较笼统，若仅仅满足于变量的约简与正交，这已经足 够了。但若需要开展某些系统分析，需要进一步求解；正 交因子解可以进一步给出清晰的因子-变量关系和因子结构， 若此时分析结论符合实际，则不必寻求斜交解；一般来说， 斜交因子解可以给出较符合实际的因子解的结构，据此可 以得到更符合实际的结论。 4 实例分析 某层控铅锌矿品位高规模大，矿体赋存于古喀斯特裂隙溶洞中。考察发现，矿区含银，且局部达到工业品味。为对该层控铅锌矿开展综合评价，在矿体不同部位采集了4块样本分别化验Pb，Zn，Ag的含量，再进行因子分析。标准化数据见下表： 表3.标准化数据表 首先计算主因子解（主成分） 数据表为矩阵形式即为 由此得相关系数矩阵 由此得特征多项式 解得 图3.特征值递减折线图 根据特征值求出相应的特征向量，进而得到因子载荷 和公因子及方差贡献表 图4.因子载荷图 成分得分系数矩阵，是载荷矩阵各列除以对应特征值得到的 结果，例如 至于成分得分协方差矩阵则是因子得分的相关系数，因子得分表格如下： 从载荷表中可看出，第一因子方差贡献为2.778（92%），但各个变量的载荷都很大；主成分分布图上，Ag距第一因子较远，看不出变量之间的亲疏关系，需要做正交旋转。 正交旋转 采用方差极大正交旋转(Varimax)方法，用原因子载荷矩阵 乘以变换矩阵T，即得旋转后的因子载荷矩阵： ，其 中 至于成分得分系数矩阵，计算方法为 正交变换后的因子载荷如下表所示： 图5.正交旋转后的因子载荷图 对比图4和图5可看出，相对于正交因子轴，斜交因子轴旋转了39.5度，使得第一因子轴与变量Pb，Zn靠近，第二因子轴与Ag接近，变量与因子的关系更为清晰，明确。 斜交因子解 若进行因子旋转，则可以借助斜交因子参考轴得到斜交因 子解，常用的解法是Oblimin，结果如下： 在主因子解和正交因子解中，因子载荷即变量与因子间的 相关系数；斜交解中，因子载荷不再等于变量与因子相关 系数，可以得到两组参量： 一是因子图式矩阵(Factor Pattern)：相当于因子载荷，但绝 对值不限于0-1之间。因它不再是因子与变量的夹角余弦。 二是因子结构(Factor Structure)矩阵，是因子与变量的相关 系数。 图6.斜交旋转后的因子载荷图 因子得分不再是正交变量，而是具有32.2度的夹角，因子之间的相关系数矩阵为： 用因子图式矩阵乘以因子相关矩阵，可得因子结构矩阵，这意味着，因子与变量的相关关系可由因子间的相关关系与因子载荷给出。 谢谢大家~~~ 2011数学建模集训班专题 曾九孙 2011/7/13 专题七 因子分析 1 基本概念 2 概述 3 因子分析 4 实例分析 1 基本概念 (1)均值（mean） 均值作为一组数据的代表，反映该组数据平均水平，计算公式如下： 性质1： Matlab命令：mean(x) (2)方差（variance） 方差用于衡量数据的集中或分散程度，公式为： Matlab命令：var(x) 标准差（standard deviation）是观测值与均值间的平均距离，公式为： Matlab命令：std(x) 图1.不同方差数据示意图 (3)协方差（variance） 协方差用于衡量数据的协变趋势，公式为： matlab命令：cov(x,y) (4)均方误差（mean square error） 用于衡量实际数据与预测数据的偏离程度，公式为：