第八章 因子分析PPT.ppt

例8.4 研究纽约股票市场上五种股票(Allied Chemical，Dupont，Union Carbide，Exxon 和Texaco)的周回升率(何晓群,2003)。这里，周回升率＝(本星期五市场收盘价一上星期五市场收盘价)／上星期五市场收盘价。原始资料见王学仁等(1990)《实用多元统计分析》，这组资料是对五种股票从1975年1月到1976年12月的独立观测值。 解 设 分别为上述五种股票的周回升率，则从原始 数据计算得到 我们考虑样本相关矩阵R的前两个主成分，即m＝2，因子分析的主成分解列于表8.3。由表8.3可知，第一主因子 代表了一般 经济条件，称为市场因子，所有股票在这个因子上的载荷都比较大,且大致相等。第二个主因子凡是化学股票(前三个都是化学工业公司)和石油股票(后两个是石油公司)的一个“对照”, 两者分别有比较大的负、正载荷, 生差异,通常称为工业因子.归纳起来,可得如下结论：股票回升率由一般经济条件、工业部门活动和各公司本身特殊活动三部分决定. 变量 因子 共同度 载荷量 Allied Chemical 0.783 -0.217 0.66 Dupont 0.773 -0.458 0.81 Union Carbide 0.794 -0.234 0.69 Exxon 0.713 0.472 0.73 Texaco 0.7125 0.524 0.78 特征值 2.857 0.809 累计贡献 0.571 0.733 使不同工业部门的股票产 二、极大似然法 如果假定公共因子F和特殊因子 服从正态分布，那么我们能够 得到因子载荷和特殊因子方差的极大似然估计。 设 为来自正态总体 的随机样本，这里 且 与 有联合正态分布。由似然函数的理论知 它通过 依赖于A和 .式(8．17)并不能惟一确定A，为此， 可添加惟一性条件 (8.18) 这里 是一个对角阵。用数值极大化方法可以得到极大似然 估计 和 . 极大似然估计 和 将使 为对角矩阵，且使式(8.17)达到最大。 共同度的极大似然估计为 (8.19) 第i个因子对总体样本方差的贡献为 其中 为第i个变量的方差。 关于极大似然估计方法的理论推导和证明可参见张尧庭等(1997)《多元统计分析引论》。 例8.5(续例8.4)取m=2，对股票价格数据应用极大似然法做因子载荷的估计。 解 用极大似然法和主成分法估计的因子载荷列于表8.4。由表中数值可知，主成分法的公共因子对总体样本方差的贡献比极大似然法要大，这是因为主成分因子分析与主成分相联系，而极大似然法具有方差极大化性质。极大似然法得到的主因子 可解释为市场因子，这是因为所有变量在 上都有较大的 正载荷，这与例8.4的情况一致。第二个主因子的意义并不像主成分法那么清楚。载荷的符号虽然也形成化学胜票和石油股票的一个对照但有一些绝对值很小，因此可以把它看成仅仅是Dupont化学公司和Texaco石油公司之间的一个对比。 表8．4 基于极大似然法和主成分法的因子载荷估计 变量 极大似然估计 主成分估计 共同度 共同度 Allied Chemical 0.684 0.189 0.50 0.783 -0.217 0.66 Dupont 0.694 0.517 0.75 0.773 -0.458 0.81 Union Carbide 0.681 0.248 0.53 0.794 -0.234 0.69 Exxon 0.621 -0.073 0.39 0.713 0.472 0.73 Texaco 0.792 -0.442 0.82 0.712 0.524 0.78 累计贡献 0.485 0.598 0.571 0.733 8.3 因子旋转 建立因子分析模型的目的不仅是找出主因子，更重要的是知道每个主因子的明确意义，以便对实际问题进行深入分析。然而用上一节介绍的方法求出的主因子解，各主因子代表的变量并不很突出，容易使因子的意义含糊不清，不便于对实际问题进行分析。 公共因子是否易于解释，很大程度上取决于因子载荷矩阵 A元素结构。假设A是从相关矩阵R出发求得的，则 即A的所有元素均在-1和1之间。如果载荷矩阵 A的所有元素都接近0或 则模型的公共因子就易于解释。这 时可将原始变量 分成m个部分，第一部分对应第 一个公共因子 第m部分对应第m个公共因子 反之，如果载荷矩阵A的元素多数居中，不大不小，则对模型的公共因子一般就不易作出解释，此时应该考虑进行引资旋转，是的旋转之后的载荷矩阵在每列上元素的绝对值尽量的拉开大小距离，也就是hi进肯呢个地使其中的一些元素接近于0，另一些元素接近于 因子旋转有方差最大正交旋转法和斜交旋转法等，本节只介绍方差最大正交旋转方法。对公共因子作正