《应用统计学》08第8章-用少数变量代表多个变量.ppt

* 因子分析和主成分分析有很多相似之处，它们的目的是一致的，都是要将具有一定关联的多个变量进行高度概括，寻找合适的少数变量来代表原先的所有变量。尤其在计算机上实现时，两种方法所要耗费的时间并没有太大差异，除了可能有一两个选项不同之外，它们的输出结果所包含的内容十分类似。因此，人们往往对二者不加区分。 实质上，主成分分析可以看作是因子分析的一个特例，因子分析是主成分分析的推广和发展，二者最直观的区别就在于变量和主成分/因子个数的一致性上。 主成分分析的基本思想是要寻找高维椭球的所有主轴，因此，原始数据包含了多少个变量，就有多少个主成分，人们对于主成分的选择是依据最终的分析结果来确定的。而因子分析则需要事先确定要找几个成分，也就是所谓的因子(Factor)，因子个数从一开始可能就远少于原始变量的个数。 什么是因子分析？ * 因子分析是由Charles Spearman在1904年提出的，他被公认为因子分析之父。 因子分析在某种程度上可以被看成是主成分分析的推广和扩展。 因子分析对问题的研究更深入，它是将具有错综复杂关系的变量综合为少数的几个因子，以再现原始变量与因子之间的相互关系，探讨多个能够直接测量、并具有一定相关性的实测指标是如何受少数几个独立因子所支配的，同时根据不同因子还可以对变量进行分类。 因子分析是多元统计中处理降维的一种统计方法。 什么是因子分析？ (Factor Analysis) * 原始变量和因子个数的不一致，使得不仅在数学模型上，而且在实际求解过程中，因子分析和主成分分析都有着一定的区别，计算上因子分析更为复杂。 因子分析可能存在的一个优点是：在对主成分和原始变量之间的关系进行描述时，如果主成分的直观意义比较模糊不易解释，主成分分析没有更好的改进方法；因子分析则额外提供了“因子旋转(factor rotation)”这样一个步骤，可以使分析结果尽可能达到易于解释且更为合理的目的。 什么是因子分析？ (Factor Analysis) * 8.2.2 怎样解释因子分析结果？ 8.2 因子分析 * 用SPSS实现因子分析 第1步：选择【分析】下拉菜单，并选择【降维-因子分析】选项进入主对 话框； 第2步：在主对话框中将原始数据中的所有变量选入【变量】； 第3步：点击【抽取】，在【方法】下选择一种方法，在【输出】下选择 【碎石图】，在【抽取】下可以选择按照特征值大小选因子，也 可以选定因子的个数，点击【继续】回到主对话框； 第4步：点击【旋转】，在【方法】下选择一种旋转方法，在【输出】下 选择【旋转解】和【载荷图】，点击【继续】回到主对话框； 第5步：点击【得分】，并选择【输出因子得分系数矩阵 】，点击【确定】 ? 用SPSS对例8.1实现因子分析 * Principal components(主成分法)：这是默认选项(多数情况下不用更改)。通过主成分分析的思想提取公因子，它假设变量是因子的线性组合。 Unweight Least Square(不加权最小平方法)：该方法使实际的相关矩阵和再生的相关矩阵之差的平方和达到最小。 Generalized Least Square(加权最小平方法)：用变量值进行加权，该方法也是使实际的相关矩阵和再生的相关矩阵之差的平方和达到最小。 Maximum Likelihood(最大似然法)：该方法不要求数据服从正态分布，在样本量较大时使用较好。 Principal Axis Factoring(主轴因子法)：该方法从原始变量的相关性出发，使得变量间的相关程度尽可能地被公因子解释。 提取公因子的方法(SPSS) * SPSS提供5种旋转方法，其中最常用的是Varimax(方差最大正交旋转)和Promax。 Varimax(方差最大正交旋转)：这是最常用的旋转方法。使各因子保持正交状态，但尽量使各因子的方差达到最大，即相对的载荷平方和达到最大，从而方便对因子的解释。 Quartimax(四次方最大正交旋转)：该方法倾向于减少和每个变量有关的因子数，从而简化对原变量的解释。 Equamax(平方最大正交旋转)：该方法介于方差最大正交旋转和四次方最大正交旋转之间。 Direct Oblimin(斜交旋转)：该方法需要事先指定一个因子映像的自相关范围。 Promax：该方法在方差最大正交旋转的基础上进行斜交旋转 因子旋转的方法 (SPSS) * 例8.1数据的因子分析。在SPSS中，因子分析与主成分分析类似，也可以根据各个特征值的大小来选择因子，也可以绘制直观的碎石图来帮助判断，标准也是类似的。不同的是，因子分析可以通过“因子旋转”这一步骤得到下表