因子分析北京大学公共卫生学院郑装迎东多元统计.pptVIP

因子分析 Factor Analysis 外显变量和潜变量 外显变量 潜变量 上课迟到早退 按时完成作业 学习态度 自觉复习功课 坚持朗诵课文 作文 词汇 言语表达能力 口语 因子分析 因子分析可以看成是主成份分析的一种推广。它的基本目的是用少数几个因子F1、F2、…去描述许多变量之间的关系。被描述的变量X1、X2…是可以观测的随机变量，即显在变量，而这些因子F1、F2、…是不可观测的潜在变量。 因子分析要求变量间有一定的相关性。 因子分析的发展 起源于心理学 Spearman的“智力结构”理论（1904） 一般能力 / 特殊能力 Pearson：主因子法 Thurstone：公因子数目 / 简单结构 验证性因子分析 因子模型 因子载荷（负荷）矩阵的统计意义 A的元素aij是xi与fj之间的相关系数 A的行元素平方和体现原始变量对公因子的依赖程度（xj，xj*） A的列元素平方和体现公因子fj对x的贡献 因子模型的参数估计 主因子法：对R*进行分解（SMC） 主成分法：用R代替R*（默认的方法） ML：精度较高的估计，计算量大。如果样本来自多维正态总体，则能给出关于模型的假设检验，如回答公因子是否“显著”的问题。 因子个数的确定原则 不大于（实际上远远少于）原变量的个数 研究者事先确定 从R*的特征值出发 看累积比例 看特征值大小（大于1准则） 看特征值的变化速率（碎石图） 假设检验（仅适用ML估计） 碎石图 因子旋转 因子负荷矩阵不是唯一的 一般要求因子满足“简单结构原理” 负荷矩阵的每行至少有一个0 对于每个原始变量x，在少数公因子上的负载较大而在其余的公因子上负载接近0 常用的因子正交旋转方法 正交旋转（寻找正交矩阵） varimax（方差最大法）：使因子载荷矩阵的（标度）列元素的平方的方差和达到最大。有利因子解释 quartimax（四次方最大法）：使因子载荷矩阵的（标度）行元素的平方的方差和达到最大。有利原始变量解释 equimax（等量最大法）：前二种方法的妥协结果。 常用的因子斜交旋转方法 牺牲因子间的独立性，获得更好的因子解释。 负荷矩阵（模式矩阵 factor pattern）和结构矩阵（factor structure） S=BW S 结构矩阵（元素为因子和变量之间的相关系数） B模式矩阵即旋转后的负荷阵 W 因子间的相关阵 因子得分 因子（潜变量）在理论一般不能表示成原始变量（可观测变量）的线性组合，但实际可以用线性模型（回归模型）来估计因子得分。 因子得分的意义 公因子方差Hi2 R* R*的特征值 因子初始解—载荷矩阵（A） 因子图 因子旋转后的载荷矩阵 正交旋转后的因子图 ML估计结果 MLE的优点 因子旋转改变了什么？ 例2 未旋转因子图 Varimax正交旋转 Promax斜交旋转因子图 因子载荷矩阵初始解和斜交旋转后的结果比较 斜交旋转的因子结构和相关阵 关于特征值、累积方差和变量数目 关于特征值、累积方差和变量数目 用美学的观点来考察 因子分析的特点 因子分析带有很大的主观性，因子命名就象是一种艺术作品。不但需要客观的复杂计算，还需要经过主观思维的加工补充。因子分析一定要与实际研究的问题和专业知识相结合。 因子分析应用 一般性的探索 简化数据 量表的研究：探索结构、结构效度评价，跨文化移植。 因子判别 因子回归 基于因子得分的评价 * * 因子模型矩阵表示 因子模型假设 因子模型的性质 因子分析实例数据来自2000年全国体质调研，北京、男20-30岁组