因子分析过程.ppt

FACTOR(因子分析) 过程简介 FACTOR过程用下列语句引用: PROC FACTOR 选择项； VAR 变量； PRIORS 方法； PARTIAL 变量表； FREQ 变量； WEIGHT 变量； BY 变量； 通常只有VAR语句必须跟随在PROC FACTOR语句后面，其余语句是可选择的。 1.PROC FACTOR语句的选项 可用于PROC FACTOR语句的任选项主要有下列几项： ①DATA=SAS数据集——给出输入数据集的名字，它可以是普通的SAS数据集或者是特殊结构的SAS数据集。 ②OUT=SAS数据集——创建一个数据集，它包括来自DATA=的数据集中的全部数据，还包括被命名为FACTOR1，FACTOR2等变量的因子得分估计。 ⑨ROTATE=name|R=name——给出旋转的方法。缺省时ROTATE=NONE。 PROC FACTOR可以进行下面几种旋转的方法（即得有效值）： VARIMAX：正交的方差最大旋转； ORTHOMAX：权数为GAMMA的正交方差最大旋转； EQUAMAX：正交的均方最大旋转； QUARTIMAX：正交的四次方最大旋转； PARSIMAX：正交的PARSIMAX旋转； PROMAX：规定斜交的PROMAX旋转； PROCRUSTES：斜交Procurstes旋转）等。 2.PRIORS语句 该语句对每个变量规定0.0和1.0之间的数值作为先验公因子方差的估计。第一个数值对应于VAR语句中的第一个变量，第二个值对应于第二个变量，等等。数值的个数必须等于变量的个数。 指定因子提取法： FACTOR过程为用户提供了多种提取因子的算法，其中主成分分析是FACTOR过程中可选用的最主要的因子提取方式，也是缺省值方式。但是，在计算上最有效且相对简单的是主因子分析；近年来有一些统计家倾向于用最大似然因子分析（ML），它能在大样本情况下给出比因子分析更好饿估计。 制定因子提取方式的选择项是： 1）METHOD=PRINCIPAL /PRIN/ P 在PRIORS=ONE或 PRIORS子句不出现的情况下产生主成分分析，否则为 主因子分析 2）METHOD=PRINIT 迭代主因子分析 指定因子旋转方式： ROTATE=旋转方式，常用的旋转方式有： 1）ROTATE=VARIMAX/ V 采用方差最大旋转 2）ROTATE=EQUAMAX/ E 采用平均正交旋转 3）ROTATE=QUARTIMAX/ Q 采用四次方最大正交旋转 4）ROTATE=PROMAX/ P 采用正交旋转+斜交旋转 5）ROTATE=HK 采用Harris-Kaiser正斜交旋转 6）ROTATE=NONE/ N 不旋转（缺省值） KMO(Kaiser-Meyer-Olkin) KMO统计量是用于比较变量间简单相关系数和偏相关系数的一个指标，计算公式如下： 式中：rij是变量和变量之间的简单相关系数， pij是它们之间的偏相关系数。可见，KMO统计量的取值在0和1之间，当所有变量之间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1。KMO值越接近1，则越适合作因子分析，KMO越小，则越不适合作因子分析。Kaiser给出了一个KMO的度量标准：0.9以上非常适合；0.8适合；0.7一般；0.6不太适合；0.5以下不适合。 检验原有变量是否适合作因子分析 计算原有变量的相关系数矩阵 一般小于0.3就不适合作因子分析 计算KMO检验统计量 是用于比较简单相关系数和偏相关系数的指标. 取值在0-1之间.KMO越接近1,意味着变量间的相关性越强, 原有变量越适合做因子分析.0.9以上表示非常适合, 0.8表示适合, 0.7表示一般,0.6以下表示不适合. 巴特利特球度检验（Bartlett test of sphericity） 巴特利特球度检验是以变量的相关系数矩阵为出发点。它的零假设是Ho：相关系数矩阵是一个单位阵，即相关系数矩阵对角线上的所有元素都为1，所有非对角线上的元素都为零。巴特利特球度检验的统计量根据相关系数矩阵的行列式计算得到。如果该统计量值比较大，且其对应的相伴概率值小于用户心中的显著性水平，则应拒绝Ho，认为相关系数矩阵不太可能是单位阵，适合作因子分析；相反，如果该统计量值比较小，且其对应的相伴概率值大于用户心中的显著性水平；则不能拒绝Ho，可以认为相关系数矩阵可能是单位阵，不适合作因子分析。 计算巴特利