12516因子分析模型L的优良性.doc

因子分析模型L的优良性( —献给我的母亲林淑霞女士 林海明 (广东商学院1.国民经济研究中心，2.华商学院，广州 510320) 摘要：因子分析是多元统计降维的方法之一，但传统的因子分析模型，公因子解不能降维或失去了一些变量的解释，故因子分析需要找出更好的模型，更好模型的确定需要有优良性标准，为此，这里用因子分析的基本思想、方差贡献、简单结构、误差方差，提出了因子分析降维性、解释性、拟合性量化的优良性标准，由此证明了：笔者改进的因子分析模型L是因子分析更好的模型，给出了初始因子和旋转后因子的应用条件。并用实际数据说明了：因子分析模型L是优良的方法，最大似然法、主因子法有时是误差较大的方法。 关键词：因子分析模型L；优良性；实证 The Superiority of Factor Analysis Model L ——Dedicated to my mother Miss Lin Shuxia Lin Haiming Guangdong University of Business Studies:1. Research Center of the National Economy 2. Huashang College，Guangzhou 510320, China. Abstract: Because of the?prevalence?of the?factor?analysis model,?common factor?solution?not being able to reduce dimensionality?or an explanation of the loss of?a number of?variables,?therefore, the?factor analysis needs?to?find a better?model, and the confirmation of a better?model??needs?for?a?good?standard. To this end,?here it is used the basic idea,???variance contribution,?simple?structure and?the error variance of the factor??analysis to put forward its?dimensionality reduction, explanation,?and?the superior standards?of fit quantitative?evidence. It proves that the?improved?Factor?Analysis Model?L?by writer is?a better model for?factor analysis,?having given?the application conditions of initial?factor?and?rotated?factor. The actual data has been illustrated:?Factor Analysis Model?L is a?good?method,?the maximum likelihood method and the?principal?factor method?is sometimes?of a?bigger error. Keywords:?Factor?Analysis?Model?L;?superiority;?empirical 1 引言 因子分析起自1904年，C. Spearman发表的论文“对智力测验得分进行统计分析”，目前，因子分析是多元统计降维的重要方法之一，其应用已十分的广泛，在解决心理学、教育学、经济学、社会学、生物学、医学和体育学等领域的多指标(变量)体系问题中，因子分析都取得了显著的成绩。因子分析的基本思想是[1]：通过变量相关阵内部结构，找出能控制所有变量的少数几个因子，去解释多个变量之间的相关关系，以达到降维的目的。 传统的因子分析模型是[2]：有p维的可观测随机向量X=(X1,…, Xp)′，E(X)= μ = ( μ1,…, μp)′，Cov(X ) =∑=( σij )p×p，要求X是线性依赖于几个不能观测的称之为公因子的随机向量F =(F1,…, Fm)′ 和附加的称之为误差(或特殊因子)的随机向量ε =(ε1,…, εp)′。具体是 或矩阵表示是 X-μ = LF +ε， (1.1) L=( lij )p×m是公因子