第7章因子分析要点分析.pptVIP

将表7.5中的数据通过SPSS进行因子分析，得到相关结果是： 1. 特征根和累计贡献率 表7.6 方差贡献率表 从表7.6可以看出，提取两个因子累计方差贡献率就达到82%，第三个特征根相比下降较快，因此我们选取两个公共因子。 2.因子的含义 为了得到意义明确的因子含义，我们将因子载荷阵进行方差最大法旋转，得到旋转后的因子载荷矩阵如下表7.7。 表7.7 旋转后因子载荷矩阵 从因子载荷阵可以看出：因子1与V1（预防蛀牙），V3（保护牙龈），V5（预防坏牙）相关性强，其中V5的载荷是负数，是由于这个陈述是反向询问的；因子2与V2（牙齿亮泽），V4（口气清新），V6（富有魅力）的相关系数相对较高。因此，我们命名因子1为“护牙因子”，是人们对牙齿的保健态度；因子2是“美牙因子”，说明人们“‘通过牙膏美化牙齿’影响社交活动”的重视。从这两方面分析，对牙膏生产企业开发新产品都富有启发意义。 * * 用 乘（7.12）式，并对i求和，得 应该注意到， 即有 （7.13） * * ?ij= ?ji,由①式得： 用 乘（7.13）式，并对t求和，得 由于 ， 那么 用向量表示为 * * 则有 因此， 是约相关阵 的最大特征根， 是相应于 的特征向量。 如果记约相关阵 的最大特征根为 ，相应的单位特征向量为 。考虑到约束条件 且 ，则 应取为 。 显然，A1仍然是相应于 的一个特征向量，且满足 。这样就得到A阵中的第一列 * * 为了求得载荷矩阵 中其余 列，应该注意到约相关阵 的谱分解式为 （7.14） 约相关阵 还可以分解为（谱分解）： 因此，求出 后，将 减去 ，就得 * * 谱分解式：即单纯矩阵A分解成n个矩阵Ai之和的形式，其系数组合是A的谱。 对于矩阵 重复上面的讨论必然有： 即有 * * 因此，可以看出，需取 ，即 是约相关阵 的第二大特征根 ， 是相应于 且满足 的特征向量。依此类推，可以求得 其中， 约相关阵 的第t 大特征根， 为相应的单位特征向量。 * * * * 这样就求得载荷矩阵为： 这样在模型上就解决了从约相关阵R*出发求载荷矩阵A 。 二、约相关阵的估计 上面的分析是以首先得到约相关阵 为基础的，在实际应用中，相关矩阵 和个性方差矩阵 一般是未知的。 可以用样本相关阵来估计，而对 的估计则较困难。由（7.9）式知 所以，估计个性方差 等价于估计共性方差 。 * * 个性方差 （或共性方差 ）的常用初始估计方法： (1) 取为原始变量 与其它所有原始变量 的复相关系数的平方，则 。（即变量 与其余p-1个变量线性回归的判定系数） (2)取 ，其中 为 中的元素，则 。（即取 与其余变量的简单相关系数的最大值）。 * * （3）设 为 的第i行上主对角线以外的