环境统计学-第八章环境因子分析PPT.ppt

环 境 统 计 学;环 境 统 计 学;;;一般认为因子分析是从Charles Spearman在1904年发表的文章《对智力测验得分进行统计分析》开始，他提出这种方法用来解决智力测验得分的统计方法。目前因子分析在心理学、社会学、经济学等学科中都取得了成功的应用，是多元统计分析中典型方法之一。 因子分析(factor analysis)也是一种降维、简化数据的技术。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“抽象”的变量来表示其基本的数据结构。这几个抽象的变量被称作“因子”，能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，而因子一般是不可观测的潜在变量。 ;1 概 述; 通过因子分析，这15个方面可以归结为应聘者的外露能力、讨人喜欢的程度、经验、专业能力和外貌这五个因子。;1 概 述;1 概 述;1 概 述-基本思想;1 概 述-基本任务;1 概 述-分类; 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；;与主成分分析比较;主成分分析例子;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。; 因子分析与回归分析不同，因子分析中的因子是一个比较抽象的概念，而回归因子有非常明确的实际意义；;与回归分析比较;;十项全能例; 十项得分与这四个因子之间的关系可以 描述为如下的因子模型：;公共因子;2 因子分析模型及求解;第 指标;通常先对X作标准化处理，使标准化得到的新变量均值为0，方差为１．这样就有 则称X为具有k个公共因子的因子模型;;正交因子模型的统计意义： X的方差可表示为 设;估计因子载荷;;因子载荷（负荷）aij是随机变量xi与公共因子fj的相关系数。 设 称gj2为公共因子fj对X的“贡献”，是衡量公共因子fj重要性的一个指标。;;确定因子个数;解释潜在因子的实际意义;;2 因子分析模型的求解; 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。;;3 ???子旋转及得分;3 因子旋转及得分;3 因子旋转及得分;（1）;（2）;3 因子旋转及得分;3 因子旋转及得分;3 因子旋转及得分;当m2时，我们可以逐次对每两个公共因子和进行上述旋转。对公因子Fl和Fk进行旋转，就是对A的第l和k两列进行正交变换，使这两列元素平方的相对方差之和达到最大，而其余各列不变，其正交变换矩阵为;3 因子旋转及得分;3 因子旋转及得分;3 因子旋转及得分;3 因子旋转及得分;3 因子旋转及得分;3 因子旋转及得分;3 因子旋转及得分;3 因子旋转及得分;因子分析的步骤;4 环境应用及SPSS求解;1.865 ;3.求R的特征值和特征向量 [V,Lambda]=eig(R);4.求因子载荷矩阵A;SPSS计算方法;4 环境应用及SPSS求解;;; 主要运行结果解释 1. Communalities（给出变量共同度） 变量共同度反映每个变量对所提取的所有公共因子的依赖程度，此数值是因子载荷阵中每一行的因子载荷量的平方和，提取的因子个数不同，变量共同度也不同。 ; 主要运行结果解释 2. Total Variance Explained（给出各公因子方差贡献表） Initial Eigenvalues给出初始相关矩阵或协差阵矩阵的特征值，用于确定哪些因子应该被提取，共有三项： Total列为各因子对应的特征值，本例中共有四个因子对应的特征值大于1，因此应提取相应的四个公因子；% of Variance列为各因子的方差贡献率；Cumulative %列为各因子的累积方差贡献率，由表可以看出，前3个因子已经可以解释85.434%的方差。 Rotation Sums of Squared Loadings给出提取出的公因子经过旋转后的方差贡献情况。 ;输出结果;输出结果;输出结果;