8.因子分析2009-5修订详解.ppt

因子分析 §1 概述 1．问题提出（研究背景） 因子分析——另外一种简化数据结构的方法 ，它不同于主成分分析，可以看成是其推广形式。 在经济学、人口学、社会学、心理学、教育学等领域中，有许多基本特征，例如： “态度”、“认识”、“爱好”、“能力”、“智力”等 实际上这些是不可直接观测的量。但是这些基本特征常常对事物的结果起着决定性作用。 比如学生通过考试得到英语、高等数学、大学物理、计算机、统计学、多元统计、数理统计、经济学等课程的成绩。 把每门课的成绩看作一个变量，显然这些变量必定受到一些共同因素的影响 比如全面智力，或者细分一点，如逻辑思维能力，形象思维能力和记忆力等，都是影响这些课程成绩的公共因素。另外，每门课程的成绩还可能受自己特点因素的影响，如英语的语言能力、大学物理的动手实验能力、高等数学的推理能力等。 2．因子分析的产生 1904年Charles Spearman发表《对智力测验得分进行统计分析》一文，标志着因子分析方法的产生。因子分析最早用于心理学和教育学方面的研究，目前广泛应用于各领域。 3．什么是因子分析 因子分析就是要利用少数几个潜在变量或公共因子去解释多个显在变量或可观测变量中存在的复杂关系。 换句话说，因子分析是把每个原始（可观测）变量分解为两部分因素： 一部分是由所有变量共同具有的少数几个公共因子构成的； 另一部分是每个原始变量独自具有的因素，即所谓的特殊因素部分或特殊因子部分。 正是特殊因子的存在，才使每一原始变量有别于其它原始变量。 例如，某公司对100名招聘人员的知识和能力进行测试，出了50道题的试卷，其内容包括的面较广，但总的来讲可以归纳为六个方面：语言表达能力、逻辑思维能力、判断事物的敏捷和果断程度、思想修养、兴趣爱好、生活常识等，我们将每一个方面称为因子。现假设100人测试的分数 可以用上述六个因子表述为线性函数： 4．基本思想 因子分析的思想是通过变量（或样品）的相关系数矩阵（相似系数矩阵）内部结构的研究，找出能控制所有变量（或样品）的少数几个随机变量去描述多个变量（或样品）之间相关（相似）关系。这样因子分析一方面可简化观测系统，简化原始变量结构，再现变量之间的内在联系，达到降维的目的；另一方面可对原始变量进行分类，把相关性较高，即联系比较紧密的变量归为同一类，而不同类的变量之间的相关性较低。 §2 因子分析的数学模型 一、因子模型（正交因子模型） 用矩阵表示： 模型解释： ⑥因子分析与主成分分析的联系 联系：同属降维技术，求解过程相似，特征向量和因子载荷之间具有联系。 区别： 因子分析注重模型的具体形式，而不考虑变量变差贡献大小； 二、因子载荷的统计意义及性质 2变量共同度的统计意义 4．正交因子载荷具有不唯一性 §3 因子分析模型求解 设随机向量 的均值为?，相关系数阵R, 为?的特征根， 为对应的标准化特征向量，则 上式给出的R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R的分解中忽略了特殊因子的方差。 §4 因子旋转 一、因子旋转的必要性和可能性 1．必要性 建立因子分析数学模型不仅要找出公共因子以及对变量进行分组，更重要的是要知道每个公共因子的意义。 为此需要考察各个变量在公共因子上的载荷，绝对值越大的代表关系越密切。为了避免相关不大不好解释，需通过坐标旋转，使因子载荷在新的坐标中能按0或1两极分化，以便得到一个简化结构。 简化结构就是使每个变量仅在一个公共因子上有较大的载荷，而在其余公共因子上的载荷较小。主要表现在： （1）每一列上的载荷大部分应是很小的，尽可能地接近于0； （2）每一行中只有少量的，最好是只有一个较大的载荷值； （3）每两列中大载荷和小载荷的排列模式不同。 2．可能性 二、因子旋转 1．当时q=2时 （1）图解法： （2）方差最大正交旋转 设因子载荷矩阵 §5 因子得分 因而往往需要反过来将公共因子表示为变量的线性组合，即 一、巴特莱特因子得分 （最小二乘法） 2．基本做法 二、汤姆生因子得分（回归法） §6 因子分析步骤（主成分） 案例分析 中心城市的综合发展是带动周边地区经济发展的重要动力。在我国经济发展进程中，各个中心城市一直是该地区经济和社会发展的“引路者”。因而，分析评价全国35个中心城市的综合发展水平，无论是对