多元统计复习题-题干推荐.docVIP

因子分析复习题 试述因子分析与主成分分析的联系与区别。 区别 主成分分析：以原变量的线性组合将原变量组合成少数几个主成分。 因子分析：将原变量分解成几个公因子的线性组合，从而更好地理解原变量的内在关系。 两者的分析重点不一致 C=AX 主成分为原始变量线性组合，重点在综合原始变量信息。 X=LF+e 原始变量为公因子与特殊因子线性组合，公因子重点反映支配原始变量的不可观测的潜在因素。 联系 主成分分析：数据降维（多项变少项） 因子分析是通过主成分推导而来。 两者的分析重点不一致 C=AX 主成分为原始变量线性组合，重点在综合原始变量信息。 X=LF+e 原始变量为公因子与特殊因子线性组合，公因子重点反映支配原始变量的不可观测的潜在因素。 因子分析主要可应用于哪些方面？ 因子分析：将原变量分解成几个公因子的线性组合，从而更好地理解原变量的内在关系。 用途：心理学、社会学和经济学。 作用：分类、从显在变量里探索不可直接观察的公共因子 简述因子模型中载荷矩阵的统计意义。 在进行因子分析时，为什么要进行因子旋转？正交旋转（最大方差因子旋转）的基本思路是什么？ 因子旋转 使得每一个变量在某一个因子上负荷尽量大 而在其他因子上负荷尽量小——varimax！ 所有因子保持不相关——互相垂直 旋转后共性方差不变 5. 设某客观现象可用X=()’来描述， 在因子分析时，从约相关阵出发计算出特征值为 由于,所以找前两个特征值所对应的公共因子即可， 又知对应的正则化特征向量分别为(0.707,-0.316,0.632)’及（0，0.899，0.4470）’，要求： （1）计算因子载荷矩阵A，并建立因子模型。 （2）计算共同度。 （3）计算第一公因子对X 的“贡献”。 6.评价我国35个中心城市的综合发展水平，选取反映城市综合发展水平的12个指标如下：非农业人口数（万人）、工业总产值（万元）、货运总量（万吨）、批发零售住宿餐饮业从业人数（万人）、地方政府预算内收入（万元）、城乡居民年底储蓄余额（万元）、在岗职工人数（万人）、在岗职工工资总额（万元）、人均居住面积（平方米）、每万人拥有公共汽车数（辆）、人均拥有铺装道路面积（平方米）、人均公共绿地面积（平方米）。下面基于相关矩阵对所得数据进行因子分析，结果如下。 表1 Descriptive Statistics Mean Std. Deviation 非农业人口数（万人） 308.3489 219.83902 工业总产值（万元）142955344 货运总量（万吨） 14748.7680 12724.72601 批发零售住宿餐饮业从业人数（万人） 11.7157 21.31643 地方政府预算内收入（万元） 1217117.2857 1739133.06001 城乡居民年底储蓄余额（万元）400030101 在岗职工人数（万人） 100.1537 80.80586 在岗职工工资总额（万元） 1872194.1143 2146354.32611 人均居住面积（平方米） 17.0857 1.91544 每万人拥有公共汽车数（辆） 13.3926 18.09189 人均拥有铺装道路面积（平方米） 9.1134 7.20129 人均公共绿地面积（平方米） 37.7783 42.98659 表2 KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .723 Bartletts Test of Sphericity Approx. Chi-Square 678.796 df 66 Sig. .000 表3 Rotated Component Matrix Component 1 2 3 非农业人口数（万人） .929 -.183 .039 工业总产值（万元） .806 .309 .344 货运总量（万吨） .870 -.147 .253 批发零售住宿餐饮业从业人数（万人） .791 .091 -.437 地方政府预算内收入（万元） .934 .194 .155 城乡居民年底储蓄余额（万元） .970 .174 -.053 在岗职工人数（万人） .947 .030 -.191 在岗职工工资总额（万元） .952 .199 -.155 人均居住面积（平方米） .010 .205 .840 每万人拥有公共汽车数（辆） .034 .914 .175 人均拥有铺装道路面积（平方米） .068 .921 .259 人均公共绿地面积（平方米）