现代统计分析方法专题十二：因子分析.pptVIP

专题十二　因子分析Factor Analysis § 12.2 因子分析模型 一、数学模型 用矩阵的表达方式 二、因子分析模型的性质 2、模型不受计量单位的影响 将原始变量X做变换X*=CX,这里 C＝diag(c1,c2,…,cn),ci0。 3、因子载荷不是惟一的 设T为一个p×p的正交矩阵，令A*=AT，F*=T’F，则模型可以表示为 § 12.3 因子载荷矩阵的估计方法 设随机向量 的均值为?，协方差阵为?, 为?的特征根， 为对应的 标准化特征向量，则 上式给出的?表达式是精确的，然而，它实际上是毫无价值的，因为我们的目的是寻求用少数几个公共因子解释，故略去后面的p-m项的贡献，有 上式有一个假定，模型中的特殊因子是不重要的，因而从?的分解中忽略了特殊因子的方差。 例 假定某地固定资产投资率 ，通货膨胀率 ，失业率 ，相关系数矩阵为 试用主成分分析法求因子分析模型。 特征根为： 可取前两个因子F1和F2为公共因子，第一公因子F1为物价就业因子，对X的贡献为1.55。第二公因子F2为投资因子，对X的贡献为0.85。共同度分别为1，0.706，0.706。 § 12.4 因子旋转（正交变换） 建立了因子分析数学目的不仅仅要找出公共因子以及对变量进行分组，更重要的要知道每个公共因子的意义，以便进行进一步的分析，如果每个公共因子的含义不清，则不便于进行实际背景的解释。由于因子载荷阵是不惟一的，所以应该对因子载荷阵进行旋转（用一个正交阵右乘A）使因子载荷阵的结构简化，使载荷矩阵每列或行的元素平方值向0和1两极分化。也就是说使每个变量仅在一个公共因子上有较大载荷，而在其他公共因子上的载荷较小。 1.变换后因子的共同度 设?正交矩阵，做正交变换 2.变换后因子贡献 设?正交矩阵，做正交变换 3.理论依据 § 12.5 因子得分 （一）因子得分的概念 巴特莱特因子得分(加权最小二乘法） 把 看作因变量；把因子载荷矩阵 看成自变量的观测；把某个个案的得分 看着最小二乘法需要求的系数 。 § 12.6 因子分析的步骤及实例 2.计算所选原始变量的相关系数矩阵 相关系数矩阵描述了原始变量之间的相关关系。可以帮助判断原始变量之间是否存在相关关系，这对因子分析是非常重要的，因为如果所选变量之间无关系，做因子分析是不恰当的。并且相关系数矩阵是估计因子结构的基础。 3.求特征根、特征向量，提取公共因子 这一步要确定因子求解的方法和因子的个数。需要根据研究者的设计方案或有关的经验或知识事先确定。因子个数的确定可以根据因子方差的大小。只取方差大于1(或特征值大于1)的那些因子，因为方差小于1的因子其贡献可能很小；按照因子的累计方差贡献率来确定，一般认为要达到80％才能符合要求；记R的特征根为 单位特征向量矩阵为 根据累计方差贡献率的要求取前m个特征根及相应的特征向量，写出因子载荷矩阵A 因子分析是十分主观的，在许多出版的资料中，因子分析模型都用少数可阐述因子提供了合理解释。实际上，绝大多数因子分析并没有产生如此明确的结果。不幸的是，评价因子分析质量的法则尚未很好量化，质量问题只好依赖一个 “哇！”准则 回忆共同度的公式 如果A的每一列数之越分散，相应的因子载荷向量的方差越大。为了消除aij符号不同的影响及各变量对公共因子依赖程度不同的影响，令 将第j列的p个数据 的方差定义为 理论依据.doc 4.因子载荷方差 因子载荷矩阵的方差为 若Vj值越大，A的第j个因子载荷向量数值越分散，当载荷值趋于0或1时相应的公共因子Fj即具有简化结构。因此我们希望A的方差尽可能大。 5.正交旋转 方差最大法从简化因子载荷矩阵的每一列出发，使和每个因子有关的载荷的平方的方差最大。当只有少数几个变量在某个因子上又较高的载荷时，对因子的解释最简单。方差最大的直观意义是希望通过因子旋转后，使每个因子上的载荷尽量拉开距离，一部分的载荷趋于?1，另一部分趋于0。 是 的因子载荷矩阵。 这