对变量进行因子分析称R型因子分析.PPTVIP

因为 协方差公式为 所以从矩阵 两个变量Xi, Xj的协方差 P个变量的协方差 类似对变量的方法,对样本点好可得协方差矩阵 A与B通过Z矩阵联系起来了,存在对应关系 A与B的非零特征根相同 因为有 两边左乘Z 有相同的特征根 对前两个因子载荷作图。 对A进行因子分析，求得因子载荷矩阵 A=Z’Z 对前两个因子载荷 作图。 B=ZZ’ 对B进行因子分析，求得因子载荷矩阵 我们知道因子载荷矩阵的含义是原始数据与公共因子之间的相关系数，所以如果我们构造一个平面直角坐标系，将第一公共因子的载荷与第二个公共因子的载荷看成平面上的点，在坐标系中绘制散点图，则构成对应图。 三、对应图 某地环境检测部门对该地所属8个地区的大气污染状况进行了系统的的检测，每天4次同时在各个地区抽取大气样品，则定其中的氯、硫化氢、二氧化硫、碳4、环氧氯丙烷、环已烷6种气体的浓度。数据资料略。 ? 特征根 贡献率（%） 累积贡献率（%） 1 0.50668 70.00 70.00 2 0.12213 16.87 86.87 3 0.05658 7.82 94.69 R型因子分析的载荷 F1 F2 0.13831 -0.04385 0.20333 0.02650 0.11003 -0.01985 0.21754 -0.18687 0.21720 0.28831 -0.58275 0.03279 Q型因子分析的载荷 G1 G2 0.10599 -0.02354 0.15369 -0.06164 0.16284 -0.00928 0.22388 0.22377 0.15853 -0.19307 -0.56153 0.01900 0.16656 -0.10664 0.16429 0.13644 在同一个直角坐标系中作出两种因子的载荷图，这种图称为对应图。 -0.20 -0.15 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20 0.25 0.30 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 变量 样品 对应图 由图我们可以看出，全部变量与样品分为3类。每一类聚合一些变量和样品。 第一类：聚合了环氧氯丙烷X5和D和H两个地区，表明D和H两个地区主要大气污染物为环氧氯丙烷。 第二类：包含变量X1，X2，X3，X4和样品A，B，C，E和G地区，这5个地区的主要污染物是氯、硫化氢、二氧化硫、碳4。 第三类：包含X6和地区F，该地区的主要污染物是环已烷。 生活自理能力 完全自理 部分自理 不能自理 合计 自 评 健 康 状 况 很好 129 14 8 151 好 931 146 96 1173 一般 660 116 74 850 差 251 104 81 436 很差 11 7 23 41 没回答 15 13 24 52 合计 1997 400 306 2703 例：北京老龄化研究数据（spss） 写成能对应分析数的据 SPSS数据输入变量设置(做分析之前要加上权重——data-wight case-选人数) 对应分析 correspondence analysis 选择行变量，定义其取值范围1—6，再update 维度 奇异值 惯量 卡方 P值 惯量比例 奇异值是惯量（特征值）的平方根。惯量用于说明对应分析各个维度的结果能够解释列联表中两个变量联系的程度。第一维度可解释总信息的92.5% 维度的分值 边缘概率 （1）行、列轮廓 1. 有关概念 （1）行、列轮廓 1. 有关概念 列轮廓矩阵 其中 可见， r可以表示成各列轮廓的加权平均（行密度）。 行轮廓矩阵 其中 即C?可以表示成各行轮廓的加权平均（行密度）。 例 将由个人组成的样本按心理健康状况与社会经济状况进行交叉分类，分类结果见表。 将表中的数据除以总数得到对应矩阵，如表。 行轮廓矩阵为 列轮廓矩阵为 算出行密度和列密度向量为 对心理健康的每一种状况，A、B、C、D、E五个小方块的宽度显示了行轮廓，0、1、2、3四种心理健康状况的小方块高度显示了行密度。 两个马赛克图 对社会经济的每一种状况，0、1、2、3四个小方块的高度显示了列轮廓，A、B、C、D、E五种社会经济状况的小方块宽度显示了列密度。 如果两个行（列）点接近，则表明相应的两个行（列）轮廓是类似的；反之，如果两个行（列）点远离，则表明相应的两个行（列）轮廓是非常不同的。因此