运筹学ly探索.pptVIP

因子分析 课程：运筹学 一、因子分析的基本原理 因子分析就是将错综复杂的实测变量归结为少数几个不可观测因子的多元统计分析方法。其目的是揭示变量之间的内在关联性，降低数据维数，便于发现规律或本质。 因子分析的基本原理是根据相关性大小把变量分组，使得同组变量之间的相关性较高，不同组变量之间相关性较低。每组变量代表一个基本结构，这个结构用公共因子来进行解释。 因子分析的目的之一，即要使因素结构的简单化，希望以最少的共同因素，能对总变异量作最大的解释，因而抽取得因素愈少愈好，但抽取因素的累积解释的变异量愈大愈好。 在因子分析的共同因素抽取中，应最先抽取特征值最大的共同因素，其次是次大者，最后抽取共同因素的特征值最小，通常会接近0。 二、因子分析的数学模型 设原有P个变量X1，X2，X3，…，Xp且每个变量(或经标准化处理后)的均值为0，标注差均为1。现将每个原有变量用K(KP)个因子f1，f2， f3，…，fk的线性组合表示为X=AF+ε，即有： 三、因素分析的相关概念 实测变量Xi的共同度 Xi的共同度为因子载荷矩阵A中第i行元素的平方和。Xi的共同度反映了全部因子变量对Xi总方差的解释能力。 因子变量Fj的特征值 Fj的特征值为因子载荷矩阵A中第j列各元素的平方和。它反映了因子变量Fj对实测变量的贡献。 因子变量Fj的方差贡献率 Fj的方差贡献率表示了第j个因子解释原所有变量总方差