因子主成分优秀培训书.pptVIP

程建华 jhcheng0724@163.com Tel* 概 述 解决变量间多重共线性(data reduction) 有太多的变量，希望能够消减变量，用一个新的、更小的由原始变量集组合成的新变量集作进一步分析。 新的变量集能够更好的说明问题，利于简化和解释问题。 探讨变量内在联系和结构(structure detection) 观测变量之间的存在相互依赖关系 由量表所反映出的受访者对某项服务的真实满意度 概 述 本讲课程中涉及的方法其实质均为数据化简、信息浓缩，即将分散在多个变量中的同类信息集中、提纯，从而便于分析、解释和利用。 目的为浓缩信息 目的为探讨内在结构 正因如此，这些信息浓缩方法、特别是其中的因子分析方法，往往成为更复杂的多元分析方法的基石。 主成分分析 概 述 只是一种中间手段，其背景是研究中经常会遇到多指标的问题，这些指标间往往存在一定的相关，直接纳入分析不仅复杂，变量间难以取舍，而且可能因多元共线性而无法得出正确结论。 主成分分析的目的就是通过线性变换，将原来的多个指标组合成相互独立的少数几个能充分反映总体信息的指标，便于进一步分析。 尽可能保留原始变量的信息，且彼此不相关。 主成分分析 概 述 在主成分分析中，提取出的每个主成分都是原来多个指标的线性组合 如有两个原始变量x1和x2，则一共可提取出两个主成分如下： z1