情報とコンピュータ信息计算机.pptVIP

データ解析 第4章 Excelで学ぶ因子分析 ４－１　１因子モデルから学ぶ因子分析の考え方 ４－２　１因子モデルから学ぶ主因子法 ４－３　ＳＭＣモデルで共通性を推定 ４－４　１因子モデルから学ぶ反復主因子法 ４－５　２因子モデルから学ぶ主因子法 ４－６　２因子モデルから学ぶ反復主因子法 4-5　 ２因子モデルから学ぶ主因子法 因子分析のデータ（変数が5個の場合） 因子分析法のパス図（２因子５変数） 因子分析のモデル（５変数2因子） 仮定１ 仮定２ 基本方程式の導出（１） 基本方程式の導出（２） 因子分析の基本方程式（５変数２因子の場合） 因子分析の基本方程式（続き）（５変数２因子の場合） 因子分析の基本方程式 因子分析の基本方程式 共通性 共通性 共通性の推定 共通性の推定 因子決定行列 対称行列のスペクトル分解（先週と同じ） 因子決定行列の近似 因子決定行列の近似 (６)式の右辺 主因子法 主因子法 因子負荷行列 寄与率と総共通性 寄与率と総共通性 4-6　 ２因子モデルから学ぶ反復主因子法 反復主因子法 Excelで学ぼう まとめ 因子分析のモデル（２因子の場合）を理解した． 因子分析の基本方程式の導出（２因子の場合）を理解した． 寄与率と総共通性の意味を理解した． 反復主因子法によって，因子負荷量を求める方法を理解した． 反復主因子法による因子負荷量を， Excelを用いて，計算する方法を理解した． * http://coconut.sys.eng.shizuoka.ac.jp/data/ zn … zi … z2 z1 変数 z un … ui … u2 u1 変数 u yn … yi … y2 y1 変数 y … … … vi xi i vn xn n … x2 x1 変数 x … … v2 2 v1 1 変数 v No x z y ev ex ez 共通因子 F u v ey eu 共通因子 G １因子ときの同様に，「共通因子と独自因子は，互いに無相関（?ｐ．１９）である」と仮定する． １因子のときと同様に， x, y, z, u, v, F, G は標準化されていると仮定する． 1 0 1 0 ＝ 未知変数の数が15であるのに対して，方程式の数は１５個である． 1因子モデルのときと同様に行列で表現して解く． 基本方程式(3)は行列を用いて，以下のように表すことができる． xの分散　　 = 1 xのもつ情報量のうちで共通因子が説明する情報の量 xの共通性と呼ばれる． 独自因子の分散 xの共通性 yの共通性 zの共通性 uの共通性 vの共通性 左辺の対角成分を，適当な数 で推定する． 左辺の対角成分を，適当な数 で推定する． を因子決定行列と呼ぶ． の固有値をλ1＞λ2 ＞ λ3 ＞ λ4 ＞ λ5 とし， w1, w2, w3, w4, w5をそれぞれの固有値に属する固有ベクトルで長さが１のものとする．すると， は以下のように書ける．（?付録Hを見よ．） （ここで，tw1はw1の転置を表す．） 仮に，λ1とλ2が他の固有値に比べて十分大きいとすれば，上式の第３項以降を無視して， と書ける． のとき，直前の近似式は以下の(7)のように書ける． (６)式の右辺は，以下のよう書けることに注意しよう． とすれば， を得る．以上が主因子法と呼ばれる手法である． を因子負荷行列と呼ぶ． 因子負荷行列を使うと(6)の右辺は以下のように書ける． 全情報量=5 x y 1 v START SMC法で推定 主因子法で計算 推定値←計算値 END 推定値＝計算値？ YES NO ファイル：第４章/4_5, 4_6 *