生物数据统计分析方法——第六章4解析.ppt

因子分析 § 2 因子分析模型 一、数学模型 用矩阵的表达方式 二、因子分析模型的性质 2、模型不受计量单位的影响 将原始变量X做变换X*=CX,这里 C＝diag(c1,c2,…,cn),ci0。 3、因子载荷不是惟一的 设T为一个p×p的正交矩阵，令A*=AT，F*=T’F，则模型可以表示为 § 3 因子载荷矩阵的估计方法 设随机向量 的均值为?，协方差为?, 为?的特征根， 为对应的 标准化特征向量，则 上式给出的?表达式是精确的，然而，它实际上是毫无价值的，因为我们的目的是寻求用少数几个公共因子解释，故略去后面的p-m＋1项的贡献，有 上式有一个假定，模型中的特殊因子是不重要的，因而从?的分解中忽略了特殊因子的方差。 注：残差矩阵 （二）主因子法 主因子方法是对主成分方法的修正，假定我们首先对变量进行标准化变换。则 R=AA’+D R*=AA’=R-D 称R*为约相关矩阵， R*对角线上的元素是 , 而不是1。即 R*=AA’=RX- D，我们在前面已经讨论了因子载荷矩阵A的列平方和是 称为Fj对所有的Xi的方差贡献，用来衡量Fj的相对重要性。因此我们希望先求出贡献大的因子，然后在依次求出贡献相对较小的因子。由因子模型可知R*=AA’ 为R*=AA’中的元素 设使S21最大的向量为 ，显然向量必须满足p2个约束条件，因此这是一个条件极值的问题，用拉格朗日乘数法由目标函数 在实际的应用中，个性方差矩阵一般都是未知的， 可以通过一组样本来估计。估计的方法有如下几种： （三）极大似然估计法 如果假定公共因子F和特殊因子?服从正态分布，那么可以得到因子载荷和特殊因子方差的极大似然估计。设 为来自正态总体Np(?,?)的随机样本。 它通过?依赖?和??。上式并不能唯一确定?,为此可添加一个唯一性条件： 这里?式一个对角矩阵，用数值极大化的方法可以得 到极大似然估计 。极大似然估计 将使 为对角阵，且似然函数达到最大。 相应的共同度的似然估计为： 第J个因子对总方差的贡献： 例 假定某地固定资产投资率 ，通货膨胀率 ，失业率 ，相关系数矩阵为 试用主成分分析法求因子分析模型。 特征根为： 可取前两个因子F1和F2为公共因子，第一公因子F1物价就业因子，对X的贡献为1.55。第一公因子F2为投资因子，对X的贡献为0.85。共同度分别为1，0.706，0.706。 假定某地固定资产投资率 ，通货膨胀率 ，失业率 ，相关系数矩阵为 试用主因子分析法求因子分析模型。假定用 代替初始的 。 。 § 4 因子旋转（正交变换） 建立了因子分析数学目的不仅仅要找出公共因子以及对变量进行分组，更重要的要知道每个公共因子的意义，以便进行进一步的分析，如果每个公共因子的含义不清，则不便于进行实际背景的解释。由于因子载荷阵是不惟一的，所以应该对因子载荷阵进行旋转。目的是使因子载荷阵的结构简化，使载荷矩阵每列或行的元素平方值向0和1两极分化。有三种主要的正交旋转法。四次方最大法、方差最大法和等量最大法。 变换后因子的共同度 设?正交矩阵，做正交变换 变换后因子贡献 设?正交矩阵，做正交变换 1、四次方最大旋转 四次方最大旋转是从简化载荷矩阵的行出发，通过旋转初始因子，使每个变量只在一个因子上又较高的载荷，而在其它的因子上尽可能低的载荷。如果每个变量只在一个因子上又非零的载荷，这是的因子解释是最简单的。 四次方最大法通过使因子载荷矩阵中每一行的因子载荷平方的方差达到最大。 3、等量最大法 等量最大法把四次方最大法和方差最大法结合起来求Q和V的加权平均最大。 § 5