多元统计分析因子分析PPT.ppt

第八章 因子分析;第一节 什么是因子分析及基本思想;例如考虑人的五个生理指标： X1：收缩压，X2：舒张压，X3：心跳间隔， X4：呼吸间隔，X5：舌下温度 从生理学的知识知道，这五个指标是受植物神经支配的，植物神经分为交感神经与副交感神经，因此至少有两个公共的因素对它们有影响。 如果用F1 、F2分别表示交感神经与副交感神经，称为公因子，那么可以设想X1、X2、X3、X4、X5是F1 、F2的线性函数，即 i=1,2,…,5;即 用矩阵表示 或 X=AF+ε;这里 是其它对 有影响的因子，通常是指公共因子以外的因子称为特殊因子。 只对 有影响。通常假定;简记为;这里 是原始变量， 是公共因子， 也就是说F对每个Xi都起作用， ε称为特殊因子， εi只对 起作用。 A称为因子载荷矩阵，其中元素 称为因子载荷, 是原变量 在公因子 上的负荷。;由E(F)=0，E(ε)=0，知E(X)=0 假定X的每一个分量的方差都是1，Var(Xi)=1, 即Xi为标准化变量;(1) 因子载荷aij的统计意义;即 是原变量 与公共因子 的相关系数，即 依赖 的程度（比重）， 因此用统计学的术语叫“权”，心理学家叫它“载荷”，表示第i个变量在第j个公共因子上的负荷。 ;(2) 变量共同度的统计意义 将下式两边求方差，即 记 称为变量共同度，是因子载荷矩阵A中第i行元素的平方和,是所有公共因子对 的方差贡献 每一个 表示相应 对 的方差贡献。 反映了特殊因子对 的方差贡献， 叫特殊因子方差。则;说明变量 的方差由两部分组成：第一部分 为变量共同度，它反映了全部公因子对变量 的总方差所作的贡献，第二部分 为特殊因子方差。 若 则说明变量 的几乎全部信息都被所选取的公因子说明了。 若 则说明 几乎全部信息都由特殊因子解释公因子对 起的作用很小。 由此可见， 反映了变量 对公因子F的依赖程度;（3）公因子 的方差贡献的统计意义 考虑指定的一个公因子 ， 对各变量 的影响，由A 中第j列的元素平方和来???述。 令 j=1，2，…，p 称 为公因子 对X的贡献。表示公因子 对每一个 变量 所提供的方差贡献总和。 很明显， 的值越大，反映了 对X的影响越大，所以 是衡量公因子重要性的一个尺度,一个指标。;总结上述讨论，我们得到矩阵A中元素的统计意 义如下： （1） 是原变量 与公因子 的相关系数 （2） = 是公因子F对 的方差贡献，也是 变量 对公因子F的依赖程度 （3） 是公因子 对X的方差贡献， 是衡量公因子重要性的一个指标。 ; （1）每一个 是原变量 与公共因子 的相关系数 （2）每一行元素的平方和 = 是所有公因子 对 的方差总贡献 （3）每一列元素的平方和 是公因子 对 的方差总贡献 ;第三节 因子载荷矩阵的估计方法;设随机向量 的协方差矩阵为ΣX λ1≥λ2≥…≥λp0为ΣX的特征根, e1, e2, …,ep 为对应的标准正交特征向量 , U=(e1, e2, …,ep), 由主成分分析中我们知道 所以; ΣX （1） 注意这时X=AF 又由于 ΣX=D(X)=D(AF)=AD(F)Aˊ=AAˊ （2） 比较（1）（2）可得A=( );实际当最后p-m个特征根较小时,略去最后p-m个公因子。这样损失比例小,（也即同主成分分析一样考虑累积贡献率达85%以上。） 这时可得因子载荷阵 ;步骤如下： 一、原始数据矩阵X标准化。 二、计算协方差矩阵即相关系数矩阵R的特征根 及对应的标准正交特征向量