第六章-因子分析.pptVIP

第六章 因子分析 §6.1 因子分析的基本原理与模型 一、因子分析的基本思想 基本思想：根据相关性的大小将变量分 组，使得同组内变量间的相关性较高，不同 组间的相关性较低。每组变量代表一个基本 结构，并用一个不可观测的综合变量形式表 示，这个基本结构成为公共因子。此时的原 始变量就可以分解成两部分之和的形式，一 部分是少数几个不可测的所谓公共因子的线 性函数，另一部分是与公共因子无关的特殊 因子。 目的：从一些有错综复杂的问题中找出 几个主要因子，每个主要因子代表原始变量 间相互依赖的一种作用。 二、因子分析的基本模型 常用的因子分析模型：R型因子分析和Q 型因子分析 （一）R型因子分析模型 R型因子分析是对变量作因子分析。 R型因子分析中的公共因子是不可直接 观测但又客观存在的共同影响因素，每一个 变量都可以表示成公共因子的线性函数与特 殊因子之和，即 : 其中： 称为公共因子， 称为的 特殊因子 矩阵表达式： 且满足： （1） （2） ，即公共因子与特殊因子是 不相关的 （3） ，即各公共因子不相 关且方差为1 （4） ，即各个特殊因子不 相关，方差不要求相等 模型中 称为因子载荷，是第 个变量 在第 个因子上的负荷，如果把变量 看成 维空间中的一个点，则 表示它在坐标轴 上的投影，因此矩阵 称为因子载荷矩 阵。 （二）Q型因子分析 Q型因子分析是对样品作因子分析。 模型同上 注：主成分分析与因子分析的区别 主成分分析的数学模型本质上是一种线 性变换，是将原始坐标变换到变异程度大的 方向上去，相当于从空间上转换观看数据的 的角度，突出数据变异的方向，归纳重要信 息。 因子分析与主成分分析一样都属降低变 量维数的方法。但因子分析的本质是从显在 变量去“提炼”潜在因子的过程。 模型中应注意的问题： （1）变量 的协方差阵 的分解式为 即 （2）因子载荷不是唯一的。 三、因子载荷阵的统计意义 （一）因子载荷 的统计意义 对于因子模型 可知 的协方差 若对 作标准化处理， 的标准差为1， 且 的标准差为1 则 （相关系数） 综上可知：对于标准化后的 ， 是 的相关系数，一方面表示 的 依赖程度，绝对值越大，密切程度越高；另 一方面也反映了变量 对公共因子 的相 对重要性。 （二）变量共同度的统计意义 设因子载荷矩阵为 ，称第 行元素的 平方和，即 为变量 的共同 度。 由因子模型，知 即变量 的方差由两部分组成：第一部 分为共同度 ，它描述了全部公共因子对变 量 的总方差所作的贡献，反映了公共因子 对变量 的影响程度。第二部分为特殊因子 对变量 的方差的贡献，通常称为个性方差 如果对变量 作了标准化处理，则 （三）公因子 的方差贡献 的统计意义 设因子载荷矩阵 ，称第 列元素的平 方和，即 为公共因子 对 的贡献，即 表示同一公共因子 对各变量 所提供的方差贡献之总和，它是衡量每一个 公共因子相对重要性的一个尺度 。 §6.2 因子分析的步骤 因子分析的一般步骤可以分为确定因子 载荷矩阵、因子旋转和计算因子得分三步。 一、因子载荷的求解 对于因子载荷阵的求解方法有很多，在 这里介绍主成分法和主轴因子法。 （一）、主成分法 主成分法确定因子载荷是在进行因子分 析前先对数据进行一次主成分分析。 假定从相关矩阵出发求解主成分，设有 个变量，则可以找出 个主成分。将这 个主 成分按大到小顺序排列为 ，则主成 分与原始变量之间存在以下关系： 由于