(精选)统计学第10章 主成份分析和因子分析课件.pptVIP

中央财经大学统计学院 中央财经大学统计学院 31 特征值和贡献率 前2个主成分的贡献率为81.42%。 中央财经大学统计学院 32 成分矩阵和特征向量 成分矩阵各列除以相应的特征值可以得出特征向量。 第1主成分 第2主成分 数学 -0.4170 0.3313 物理 -0.3488 0.4986 化学 -0.3491 0.4818 语文 0.4619 0.2877 历史 0.4269 0.4090 英语 0.4325 0.3996 特征向量 除以根号3.735 除以根号1.133 中央财经大学统计学院 33 主成分得分 com1，com2为用公式计算出的主成分得分。 因子分析 中央财经大学统计学院 35 因子分析 因子分析(factor analysis)是一种数据简化的技术。它通过研究众多变量之间的内部依赖关系，探求观测数据中的基本结构，并用少数几个假想变量来表示其基本的数据结构。这几个假想变量能够反映原来众多变量的主要信息。原始的变量是可观测的显在变量，而假想变量是不可观测的潜在变量，称为因子。 中央财经大学统计学院 36 一个例子 例如，在企业形象或品牌形象的研究中，消费者可以通过一个有24个指标构成的评价体系，评价百货商场的24个方面的优劣。 但消费者主要关心的是三个方面，即商店的环境、商店的服务和商品的价格。因子分析方法可以通过24个变量，找出反映商店环境、商店服务水平和商品价格的三个潜在的因子，对商店进行综合评价。 中央财经大学统计学院 37 因子分析的例子 这三个公共因子可以表示为： 称 是不可观测的潜在因子。24个变量共享这三个因子，但是每个变量又有自己的个性，不被包含的部分 ，称为特殊因子。 中央财经大学统计学院 38 因子分析与主成分分析的区别 主成分分析分析与因子分析不同，主成分分析仅仅是变量变换，而因子分析需要构造因子模型。 主成分分析：原始变量的线性组合表示新的综合变量，即主成分； 因子分析：潜在的假想变量和随机影响变量的线性组合表示原始变量。 中央财经大学统计学院 39 因子分析的数学模型 假设有p个变量X,有m个因子（m≤p），则因子分析的数学模型可以表示如下： i=1……m 称 为公共因子，是不可观测的变量，他们的系数称为因子载荷。 是特殊因子，是不能被前m个公共因子包含的部分。 中央财经大学统计学院 40 因子分析的数学模型 因子 之间互不相关，并且方差等于1。 因子载荷 是第i个变量与第j个公共因子的相关系数，反映了第j个公共因子对第i个变量的影响程度。 中央财经大学统计学院 41 变量共同度 如果对变量X进行了标准化，可以证明 定义 为变量 Xi 的共同度。 变量的共同度越接近1，说明被变量公共因子解释的程度越高，因子分析的效果越好。 中央财经大学统计学院 42 公共因子Fj的方差贡献 因子载荷矩阵中各列元素的平方和 称为公共因子Fj对原始变量 X的方差贡献。可以衡量衡量因子 的相对重要性。 中央财经大学统计学院 43 因子载荷矩阵的估计 因子载荷矩阵的估计方法有多种，估计结果并不唯一。 最常用的方法之一是主成分法：求解变量X的前m个主成分，进行简单后的数学变换就可以得到因子载荷矩阵。 与主成分分析类似，可以根据因子的累计贡献率确定因子的个数。 中央财经大学统计学院 44 因子旋转 因子分析中得出的各个因子如果有明确的含义，则因子分析的模型会更加易于解释和有实际意义。 在因子分析中可以对因子载荷阵进行旋转，使每个变量仅在一个公共因子上有较大的载荷，而在其余的公共因子上的载荷比较小。通过旋转，因子可以有更加明确的含义。 常用的一种方法是方差最大旋转。 中央财经大学统计学院 45 因子得分 前面我们主要解决了用公共因子的线性组合来表示一组观测变量的有关问题。 如果我们要使用这些因子做其他的研究，比如把得到的因子作为自变量来做回归分析，对样本进行分类或评价，就需要计算每个个体在每个因子上的得分。 中央财经大学统计学院 46 因子得分的计算 要计算因子得分，需要估计以下表达式： 因子得分有多种计算方法，常用的一种是回归法。 如果对变量都进行了标准化，则模型中没有常数项。 （ ） 主成分分析 因子分析 中央财经大学统计学院 2 学习目标 1.主成分分析的基本思想 2.主成分分析的软件实现和结果分析 3.因子分析的基本