111(因子).ppt

第十章 因子分析 因子分析模型 参数估计 因子旋转 因子得分 因子分析模型 因子分析概念起源于20世纪初Karl Pearson 和Charles Spearmen等人关于智力测验的统计分析。 因子分析的基本思想是把每个研究变量分解为几个影响因素变量，将每个原始变量分解成两部分因素，一部分是由所有变量共同具有的少数几个公共因子组成的，另一部分是每个变量独自具有的因素，即特殊因子。 因子分析模型 x1*=a11F1+a12F2+…+a1mFm+e1 x2*=a21F1+a22F2+…+a2mFm+e2 … xp*=ap1F1+ap2F2+…+apmFm+ep 因子分析模型 其中X*=(x1*,x2*…,xp*)′, , F=(F1,F2,…,Fm) ′E=(e1,e2,…ep) a11 a12 … a1p A= a21 a22 … a2p … ap1 ap2 … app A称为因子载荷矩阵或因子负荷矩阵 因子分析模型 aij是xi*与Fj的相关系数，表示xi*依赖于Fj的程度。反映了第i个原有变量在第j个公共因子上的相对重要性。 2、变量共同度及其统计意义 h12=a112+a122+…+a1m2 h22=a212+a222+…+a2m2 。。。 hp2=ap12+ap22+…+apm2 Principal components:主成分法 Unweighted least square:不加权最小平方法 Generalized least squares:普通最小平方法 Maximum likelihood:最大似然法 Principal axis factoring:主因子法 Alpha factoring:α因子提取法 Image factoring:映象因子提取法 如果相关系数矩阵中大部分相关系数都小于0.3且未通过统计检验，那么这些变量就不适合做因子分析。 Bartlett test of sphericity H0:相关系数矩阵是一个单位阵 如果统计量值比较大，且其相对应的相伴概率值小于用户指定的显著性水平，拒绝原假设，认为适合作因子分析。 反之，接受原假设，不适合作因子分析。 KMO检验 0.9以上非常适合作因子分析 0.8以上适合作因子分析 0.7一般 0.6不太适合 0.5以下表示极不适合 因子旋转 因子旋转的目的 使每个变量在尽可能少的因子上有比较高的载荷，让某个变量在某个因子上的载荷趋于1，而在其他因子上的载荷趋于0。要求每一列上的载荷大部分为很小的值，每一行中只有少量的最好只有一个较大的载荷值；每两列中大载荷与小载荷的排列模式应该不同。 因子旋转 因子旋转的方法： 1.varimax:方差最大旋转。简化对因子的解释 2.direct oblimin:直接斜交旋转。允许因子之间具有相关性。 3.quartmax:四次最大正交旋转。简化对变量的解释 4.equamax:平均正交旋转。 5.promax:斜交旋转方法。 因子得分 一、巴特莱特因子得分 二、汤姆生因子得分 因子分析的基本思路 确认待分析的原有若干变量是否适合作因子分析 构造因子变量 利用旋转方法使因子变量更具有可解释性 计算因子变量得分 步骤 拿student.sav为例，选Analyze－Data Reduction－Factor进入主对话框； 把math、phys、chem、literat、history、english选入Variables，然后点击Extraction， 在Method选择一个方法（如果是主成分分析，则选Principal Components）， 下面的选项可以随意，比如要画碎石图就选Scree plot，另外在Extract选项可以按照特征值的大小选主成分（或因子），也可以选定因子的数目； 之后回到主对话框（用Continue）。然后点击Rotation，再在该对话框中的Method选择一个旋转方法（如果是主成分分析就选None）， 在Display选Rotated solution（以输出和旋转有关的结果）和Loading plot（以输出载荷图）；之后回到主对话框（用Continue）。 如果要计算因子得分就要点击Scores，再选择Save as variables（因子得分就会作为变量存在数据中的附加列上）和计算因子得分的方法（比如Regression）；之后回到主对话框（用Con