艺术还是科学.doc

因子分析的思想解读 彭大松 （安徽师范大学体育学院 安徽 芜湖，241000） 摘要：因子分析方法应用在体育科研过程中，因子解释上困难让广大体育工作者大为困惑，甚至有人开始怀疑该方法的科学性和客观性。本文从因子分析的统计思想上剖析了造成因子解释摸棱两可的原因。并结合实例加以分析，指出因子分析的解释在现阶段还是一门艺术。解释的是否合理，除了有数据本身性质影响外，还与分析者对因子分析方法掌握程度以及专业知识水平有关。 关键词：因子分析 思想 体育科研 解读 1 前言 因子分析方法是体育领域中用得最多的多元统计方法之一。它的实际作用已为广大实际工作所证实。令人费解的是并非每次运用它都是成功的。有时，特别是针对多维变量所做的因子分析，难以有清晰的解释。因此，有的实际工作者开始怀疑因子分析方法的科学性。但同时，不同的人针对相同的数据所做的因子分析。解释其结果却又不尽相同。有的人通过因子分析能给出问题近乎完美的答案。于是，又有人称因子分析是一种“艺术”[1] 因子分析因此也变得神秘起来了。因子分析到底是艺术还是科学呢？ 本文试图因子分析的统计思想为源头来剖析因子分析的实质。指出因子分析不易解释的根本原因。并说明因子分析是一种统计方法，其运用得是否恰当是否合理，是依应用者对因子分析的把握程度，以及对专业知识的熟悉程度。 2 因子分析的统计思想 在实践中，往往收集到的数据是多指标的。各指标之间通常不是独立的，或多或少存在着一定程度的关系。因子分析的目的是通过少数几个变量去描述这众多变量见的协方差 关系。这少数几个变量是潜在的，但不能观察的。我们称之为因子。[1] 2.1以相关为基础 在所收集到的众多变量中，必定存在某些是高度相关的，把这些高度相关的变量组成各组。这样同一组内变量具有高度相关，而与其他的各组变量却只有较小的相关或是不相关。这些组内高度相关的变量可以设想是一个共同的东西在影响着它们而导致高度相关。这个共同的东西称之为公共因子。如前所述，这些公共因子是潜在但不能观测的。[2] 2.2.通过协方差来实现 因子分析是以相关为基础，从协方差或相关阵开始把大部分变异归结为少数几个公共因子所为。把剩余的部分称为特殊因子。 3 正交因子模型分析 3.1.模型的直观描述 既然因子分析的目的是用少数几个称之为公共因子的因子去描述众多变量间协方差关系。巡着这一思路，针对每一个具体的变量。去掉共同的东西剩余的变异部分由两个部分组成，一个是公共因子的贡献的部分，另一个就是剩余的部分，即特殊因子。须提醒一下，这里特殊因子与公共因子不应相关。直观上，若公共因子与特殊因子相关则说明特殊因子中还可以抽出共同的东西到公共部分。由此可见模型中公共因子与特殊因子是不相关的。 3.2 正交因子模型的数学表达式 考虑个成分的随机观测向量。有均值为，协方差。因子模型要求线性相依，其中有m个公共因子F1 F2…..Fm 和特殊因子组成。具体如下： 用矩阵表示如下： 满足以下条件：F和独立 为对角阵。 当满足以上条件即为正交因子模型。从表达式形式看，变异部分线性相依于公共因子和特殊因子。 3.3.正交因子模型的几点解释 3.3.1.“正交因子模型”中“正交”一词。意味着各个公共因子间是不相关的。这一点是来自于因子分析初始思想。在“正交因子模型”统计思想中曾提到：“组内高度相关”而“组间相关性很小”这表明各个组受制于不同的因子。到底小到什么程度才算“小”呢？这是个模糊的概念，在实际应用中不易确定。于是表现在模型中就把它理想化为不相关即公共因子间是独立的。这也是“正交”一词的来由。于是就有了假定中的 cov(f)=I（即单位阵） 3.3.2.许多人难以理解正交因子模型假定中为何cov(f)=I即各个公共因子方差相同且为1这一点似乎与实际不太相符，因为实践中的数据未必使每个公共因子的方差都是1。然而，这一困难在因子模型上是容易实现的。因为模型的变异部分是线性相依于公共因子，于是在公共因子的系数上的调整可以使得因子的方差为1。具体的说可以把方差不为1的公共因子，通过系数来化为方差为1。前面的系数L也就反映了F与X相关关系。心理学家们称L为因子载荷[1]。 3.4.因子分析不易解释的原因 许多实际工作者在按正交因子模型做完因子分析后，总会得到摸棱两可的解释。其根本原因出在“正交”上。正交因子模型是个理想化的模型。它要求公共因子间不相关，然而现实问题中，这些公共因子并非完全不相关的（可能相关性很小）。这样就出现了现实