第五章_因子分析.pptVIP

第五章 因子分析 【教学目的】通过本章教学应使学生了解因子分析模型，理解因子载荷阵的统计意义，了解方差旋转的作用，掌握用因子分析模型分析研究实际问题的能力。 【教学重点】本章重点是要使学生了解因子模型及因子载荷阵的统计意义，掌握因子分析的方法。 因子分析的概念 因子分析是主成分分析的推广和发展，它也是从研究相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它是多元分析中一种降维和分析、简化数据结构的方法。 因子分析的基本思想 根据相关性大小把变量分组，使得同组内的变量间相关关系强，不同组的变量间相关性较低，每组变量代表一个基本结构，这个基本结构称为公共因子，可用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一变量。 因子分析的前提是观测变量间有较强的相关性。 因子分析的数学模型 Q型因子分析（对样品作因子分析） X1=a11 F1+a12 F2+……+a1m Fm+ε1 X2=a21 F1+a22 F2+……+a2m Fm+ε2 ………………………………….. Xn=an1 F1+an2 F2+……+anm Fm+εn x1,x2…..xn表示n个样品； R型因子分析(对变量作因子分析) X1=a11 F1+a12 F2+……+a1m Fm+ε1 X2=a21 F1+a22 F2+……+a2m Fm+ε2 ………………………………………….. Xp=ap1 F1+ap2 F2+……+apm Fm+εp X1,x2…..xp表示p个指标。 因子模型的假设 1 m≤p； 2模型为线性模型; 3特殊因子之间是相互独立的; 4公因子与特殊因子之间是相互独立的; 5各公因子都是均值为0，方差为1的独立正态随机变量。其协方差矩阵为单位矩阵。 因子模型中各统计量的含义 因子的含义 因子分析法中提到两种因子：公共因子和特殊因子。这两种因子都是指一个（或一组）假设的抽象的变量。 公共因子 公共因子F1,F2….Fm，指一组假设的抽象的潜在变量，在各个原观测变量的表达式中都共同出现的因子,是相互独立的不可观测的理论变量,可以理解为它们是在高维空间中互相垂直的m个坐标轴。 特殊因子 特殊因子ε,则指一个假设的抽象的变量，它只能用来解释一个原始的变量，与其它变量完全无关,各特殊因子之间以及特殊因子与所有公共因子之间都是互相独立的。它表示变量X不能被公共因子解释的部分。 因子载荷 模型中各公共因子的系数aij称为因子载荷，是连接观测变量和公共因子之间的纽带，其统计意义就是第i个变量与第j个公共因子的相关系数，即表示变量xi依赖公共因子Fj的分量，反映了第i个变量在第j个公共因子上的相对重要性。|aij|≤1，aij的绝对值越大，表明xi与Fj的相依程度越大。 变量共同度 因子载荷矩阵中第i行元素的平方和，称为变量xi的共同度。它反映全部公共因子对变量xi的影响，是全部公共因子对变量xi的方差所做的贡献。此值越接近1，表明该变量的几乎全部原始信息都被所选择的公共因子说明了。此值接近于0，说明公共因子对xi的影响很小，主要由特殊因子来描述。这个指标以观测变量为中心，它的意义在于说明如果用公共因子代替原变量后，原来每个变量的信息被保留的程度。例如，此值等于0.9548，说明公共因子提取了原变量95.48%的信息。 公共因子对原变量的贡献 因子载荷矩阵中各列元素的平方和，叫做公共因子Fj对x的贡献，它反映每个公共因子对数据的解释能力，是衡量公共因子相对重要性的指标。此值越大，表明公共因子Fj对x的影响和作用越大，计算出所有的指标，按其大小排序，就可以提炼出最有影响的公共因子。 模型的特点 1 模型不受量纲的影响; 2 因子载荷是不唯一的，这种不唯一性从表面上看是不利的，但通过因子的变换（即因子轴的旋转），可使新的因子更具有鲜明的实际意义。 因子载荷矩阵的求解 建立因子模型的关键是要求出因子载荷矩阵，估计因子载荷矩阵的方法很多，有主成分法，极大似然法等，其中主成分法的使用较普遍。 计算因子载荷阵可以从样本的协方差阵出发，也可以从样本相关阵出发。 公共因子与变量个数一样多，且特殊因子方差为0时，因子载荷阵的第j列应该是ej与相应特征值平方根的乘积，而ej恰是第j个主成分的系数，故而得名主成分法。 因子模型的旋转 在因子分析模型中,公共因子与因子载荷阵的解不是唯一的。因子分析的目的不仅是找出主因子，更重要的是知道每个主因子的意义，以利于对公共因子命名和解释结果，若每个公共因子的涵义不清，难以找到合理的解释，可对因子载荷矩阵实行旋转，使每个变量仅在