《医学统计学课件--主成分分析与因子分析(第20章)》课件.ppt

* 医学统计学 * 七、几点注意 1.因子分析的解不唯一 （1）同一问题可以有不同的因子分析解： 主成分解、主因子解、极大似然解 （2）进行因子旋转以获得更为满意的解。 2.因子得分 不能直接进行计算，但可以估计。 * 医学统计学 * 3.主成分分析与因子分析间的关系 （1）两者的分析重点不一致 Z=AX 主成分为原始变量线性组合，重点在综合原始变量信息。 X=AF+e 原始变量为公因子与特殊因子线性组合，公因子重点反映支配原始变量的不可观测的潜在因素。 重要 * 医学统计学 * （2）两者之间有密切的关系 因子分析完全能够替代主成分分析，并且 功能更为强大。 主成分分析是一种思想，是一种得到目的 的中间手段，是其它多元统计分析方法的 基础，如因子分析常用主成分法求解。 主成分分析单独应用有其独到之处，如应 用于综合评价与主成分回归时非常实用、 科学。 * 医学统计学 * 讲课内容： 第一节 主成分分析 第二节 因子分析 * 医学统计学 * Thank you! 谢谢！ * 医学统计学 * 2.列出主成分表达式 Z1为急性炎症成分（X1转氨酶、X2肝大指数） Z2为慢性炎症成分（X3硫酸锌浊度 ） Z3为癌变成分（X4甲胎球蛋白 ） * 医学统计学 * 3.求出因子载荷阵 * 医学统计学 * 4.主成分得分 * 医学统计学 * 标准化指标主成分还原为原始指标主成分 * 医学统计学 * 将该肝病患者的四项肝功能指标代入 原始指标主成分表达式： Z1=2.50865 Z2=－1.06626 Z3=－1.22943 该肝病患者可能为急性炎症。 * 医学统计学 * 五、主成分分析的应用 1.对原始指标进行综合 以互不相关的较少个综合指标反应众多原 始指标提供的信息。 主成分回归(解决多元共线问题)。 2.进行综合评价 * 医学统计学 * 3.进行探索性分析 利用因子载荷阵，找出影响各综合指标的 主要原始指标。 4.对样品进行分类 利用主成分得分对样品进行分类： Z1为急性炎症成分 Z2为慢性炎症成分 Z3为癌变成分 * 医学统计学 * 第二节 因子分析 Factor Analysis * 医学统计学 * 一、因子分析基本思想 从分析多个可观测的原始指标的相关关系入手，找到支配这种相关关系的有限个不可 观测的潜在变量。是多元分析中处理降维的 一种统计方法。 如：脑部疾病患者的意识清醒状态可由语言能力、辩识能力、记忆能力、理解能力与 思维逻辑能力等可观测的指标反映。 * 医学统计学 * 二、因子分析数学模型 X1:收缩压 X2:舒张压 X3:心跳间隔 X4:呼吸间隔 X5:舌下温度 F1:交感神经 F2:副交感神经 common factor * 医学统计学 * specific factor common factor * 医学统计学 * Xi:观测指标(标准化数据) Fi:公因子 ei:特殊因子 aij:因子载荷(计算关键项) * 医学统计学 * X = AF + e * 医学统计学 * * 医学统计学 * * 医学统计学 * 三、因子模型的性质 矩阵A的统计意义 1.公共度(共性方差 ) * 医学统计学 * 因子的共性方差 * 医学统计学 * 2.因子贡献与因子贡献率 矩阵A第j列元素 反映了第j个公 因子Fj对所有原始指标的影响; 数据标准化后全部原始指标的总方差为指 标个数m。 Fj对原始指标的方差贡献率 * 医学统计学 * 各因子的贡献 * 医学统计学 * 3.因子载荷及因子载荷阵 A * 医学统计学 * 四、因子载荷阵的求解及计算步骤 1. 收集原始数据并整理为下表 * 医学统计学 * 2.对各指标进行标准化 3.求指标间的相关系数矩阵RX 4.求指标间的约相关系数矩阵R* （1）R*的非对角线元素与相关矩阵RX的 非对角线元素相等 （2）R*的对角线元素为共性方差 * 医学统计学 * 5. 求出约关系数矩阵R*所有大于零的特 征值及相应的特征向量 6. 写出因子载荷阵A，得出原始指标X的 公因子表达式 * 医学统计学 * 要求： 1. 保留公因子个数q小于指标个数m，原则： ?j≥1 前k个公因子累积贡献率≥70% 2. 各共性方差 接近于1。 3. 各原始指标在同一公因子Fj上的因子载荷 之间的差别应尽可能大