因素分析讲解方法.ppt

  1. 1、本文档共19页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
因素分析讲解方法.ppt

* * 因素分析方法 Factor Analysis 因子分析 在许多实际问题中,涉及的变量众多,各变量间还存在错综复杂的相关关系,这时最好能从中提取少数综合变量,这些综合变量彼此不相关,是不可测的潜在因素,但对观测变量的变化起支配作用,且包含原变量提供的大部分信息。因子分析就是为解决这一问题提供的统计分析方法。 例如:P159 东西部地区各主成份的提取 模型形式 1.1 公共因子与特殊因子 从总体中提取的综合变量:F1, F2, … , Fm(mp)称为(总体的)公共因子。一般来说,公共因子不可能包含总体的所有信息,每个变量Xi除了可以由公共因子解释的那部分外,总还有一些公共因子解释不了的部分,称这部分为变量Xi的特殊因子,记为:?i。 故因子模型描述为: 变量Xi的信息=公共因子可以表达部分?公共因子不可表达部分 目前,公共因子可以表达的部分由公共因子的线性组合表示。即上面的因子模型可以写成以下的形式: 1.2 正交因子模型 其中mp,F1,F2,…,Fm称为所有变量的公共因子;?i称为变量Xi的特殊因子。 模型假设: 公共因子是互相不相关的。 特殊因子和公共因子不相关。 1.3 因子载荷矩阵 1.矩阵A称为因子载荷矩阵(component matrix)系数aij称为变量Xi在因子Fj上的载荷(loading)。即变量Xi在公共因子Fj上的载荷aij就是Xi与Fj的相关系数。反映公共因子对观察变量的影响程度。因子载荷越高,表明该因子包含原有指标的信息量越多。 2.载荷矩阵的估计:主成分法。 主成分法是估计载荷矩阵的一种方法,由于其估计结果和变量的主成分仅相差一个常数倍,因此就冠以主成分法的名称。学习的时候,不要和主成分分析混为一谈。主成分法是SPSS系统默认的方法,在一般情况下,这是比较好的方法。以数据“应征人员”为例,按特征值大于1提取公共因子。在用不同方法获得因子载荷时,公共因子对总体方差的贡献率以主成分法为最高: 第二节 变量的共同度与因子的方差贡献率 2.1 变量的共同度 定义 载荷矩阵A的第i行元素的平方和: 称为变量Xi的共同度(communality)。 共同度表示公共因子在多大的程度上解释变量Xi。 2.2 公共因子的方差贡献率 定义 载荷矩阵A第j列的平方和: 称为因子Fj对总体 的贡献(initial eigenvalues)。 共性方差: 也称方差贡献率,是用某个公共因子占总方差的百分比来说明共性因素的对观测变量总体的作用大小。 公共因子个数的选择应考虑: 因子所能解释的方差比率或贡献率; 与利用有关专业知识所得结果的合理一致性 通过这几种途径和手段对研究结果给予合理解释的可能性和可靠性。 一般,所选公共因子的个数应保证使其方差累计贡献率大于85%,且主成份个数与变量个数的比值越小越好。 第三节 方差最大正交旋转 3.1 因子旋转的意义 1.正交因子模型只是一个数学模型,所得的因子在专业上不一定能反映问题的实质,或者说:因子作为一个综合变量,其专业意义在许多情况下不容易解释。因子旋转就是针对这一问题,提出的一种改进的方法。 2.因子旋转的依据:因子模型的不唯一性。 正是由于因子模型的不唯一性,如果模型不适合专业解释,那么作一个正交变换T(即因子旋转),在新模型中再去寻找因子的专业解释。经转换后的公共因子具有最大的载荷离散总平方和D。由此确定的因子载荷矩阵B,对每个公共因子来说,载荷最为分散,因此比较容易对因子的专业意义作出解释。 第四节 因子得分 4.1 因子得分函数 因子模型将总体中的原有变量分解为公共因子与特殊因子的线性组合: 按照这个思路,也可以把每个公共因子表示成原变量的线性组合: 称这个线性表达式为因子得分函数。用它可以计算出每个观察值在各公共因子上的取值,从而在一定程度上解决了公共因子不可观察的问题。获得因子得分函数的关键问题是怎样估计参数bj1,bj2,…,bjp。 *4.2 因子得分的估计(Thompson方法) 根据回归分析中最小二乘法,应有: 但是, 是不可观察的。因此上述公式尚不能给出因子得分函数的系数估计。在总体变量标准化的条件下,根据正交因子模型的假设 是总体 与因子 的样本相关系数,所以可以用因子载荷矩阵A的第j列 代替。 第五节 KMO检验与Bartlett球形检验 5.1 因子分析对样本的要求 和任何统计分析问题一样,因子分析也要求样本具有一定的容量。这从两个方面来说:从变量个数p考量,则样本容量n应有n?5p;即使这样,样本容量也

文档评论(0)

yuzongxu123 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档