第14章因子的分析1统计学原理.pptVIP

因子分析 1 因子分析的概念 2 数学模型及统计意义 3 因子载荷阵的估计方法 4 因子得分 5 因子旋转* 6 计算步骤及实例 因子分析的概念 因子分析的概念起源于Karl Pearson和Charles Spearmen等人关于智力测验的统计分析。1904年Charles Spearman发表了一篇著名论文《对智力测验得分进行统计分析》被视为因子分析的起点。因子分析最早用来研究心理学和教育方面的问题，但因子分析由于计算量大，在缺少计算机条件下其应用受到了很大限制。随着计算机的大量使用，使得因子分析的计算问题得到了解决大大促进了该方法的发展。 因子分析方法应用范围十分广泛，在经济管理科学、社会科学、生物学、医学、地质科学、考古学、教育学乃至体育科学等取得了显著成就。 1 引言 因子分析是主成分分析的推广和发展，它是将具有错综复杂关系的变量（或样品）综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系，同时根据不同因子还可以对变量进行分类，它也是属于多元分析中处理降维的一种统计方法。 1 引言 因子分析(factor analysis)是一种数据简化的技术。它通过研究众多变量之间的内部依赖关系，探求观测数据中的基本结构，并用少数几个假想变量来表示其基本的数据结构。这几个假想变量能够反映原来众多变量的主要信息。原始的变量是可观测的显在变量，而假想变量是不可观测的潜在变量，称为因子。 问题二：在企业形象或品牌形象的研究中，消费者可以通过一个有24个指标构成的评价体系，评价百货商场的24个方面的优劣。 问题三，服装剪裁问题 对于裁缝来说，服装裁剪需要根据许多指标来进行决定，虽然有许多指标如领长、袖长、等一些列指标，但最后关键指标是衣服的长度和衣服的宽度两个核心指标或者因子。其他指标都是相关指标。 因子分析的基本思想是通过变量的相关系数矩阵内部结构的研究，找出能控制所有变量的少数几个随机变量去描述多个变量之间的相关关系，但在这里，这少数几个随机变量是不可观测的，通常称为因子。然后根据相关性的大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量相关性较低 . 注： 因子分析与回归分析不同，因子分析中的因子是一个比较抽象的概念，而回归因子有非常明确的实际意义； 主成分分析分析与因子分析也有不同，主成分分析仅仅是变量变换，而因子分析需要构造因子模型。 主成分分析:原始变量的线性组合表示新的综合变量，即主成分； 因子分析：潜在的假想变量和随机影响变量的线性组合表示原始变量。 2 数学模型及统计意义 1）因子分析模型(正交因子模型) 简记为 其中X是可实测的p个指标所构成p维随机向量，F是不可观测的向量，F称为X的公共因子或潜因子；aij称为因子载荷是第i个变量在第j个公共因子上的负荷，如果把变量Xi看成m维因子空间中的一个向量，则表示Xi在坐标轴Fj上的投影，矩阵A称为因子载荷矩阵；ε称为X的特殊因子，通常理论上要求的协方差阵是对角阵，其中包括了随机误差. 2 ）因子载荷和变量共同度及其统计意义 3 因子载荷阵的估计方法 4 因子得分 5 因子旋转 5 因子旋转 5 因子旋转 经过计算，其旋转角度φ可按下面公式求得： 如果公共因子有m个，则需逐次对每两个公共因子进行上述旋转，必须满足使旋转后所得到的因子载荷阵的总方差达到最大值，即 其中旋转角度 φ仍按下面公式求得 从B(1)出发进行第二轮旋转循环，旋转完毕得B(2) 6 计算步骤及实例 SPSS操作 （一） 操作步骤 1. 在SPSS窗口中选择Analyze→Data Reduction→Factor，调出因子分析主界面图(7.1)，并将变量X1—X13移入Variables框中。 SPSS操作 2. 点击Descriptives按钮，展开相应对话框，见图7.2。选择Initial solution复选项。这个选项给出各因子的特征值、各因子特征值占总方差的百分比以及累计百分比。单击Continue按钮，返回主界面。 SPSS操作 3. 点击Extraction按钮，设置因子提取的选项，见图7.3。在Method下拉列表中选择因子提取的方法，SPSS提供了七种提取方法可供选择，一般选择默认选项，即“主成分法”。在Analyze栏中指定用于提取因子的分析矩阵，分别为相关矩阵和协方差矩阵。在Display栏中指定与因子提取有关的输出项，如未旋转的因子载荷阵和因子的碎石图。在Extract栏中指定因子提取的数目，有两种设置方法：一种是在Eigenvalues over后的框中设置提取的因子对应的特征值的范围，系统默认值为1，即要求提取那些特征