探索性因子 分析.pptVIP

探索性因子分析法（Exploratory Factor Analysis，EFA）是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。 特点： （1）利用因子分析来确定因子个数——降维 （2）完全依赖资料数据 探索性因子分析的理论假设 主要包括: ①所有的公共因子都相关(或都不相关); ②所有的公共因子都直接影响所有的观测变量; ③特殊(唯一性)因子之间相互独立; ④所有观测变量只受一个特殊(唯一性)因子的影响; ⑤公共因子与特殊因子(唯一性)相互独立。 探索性因子分析基本原理 探索性因子分析模型的一般表达式为 其中，Xn表示观测变量，FM代表公因子，它是各个观测变量所共有的因子，解释变量之间的相关；Un代表特殊因子，它是每个观测变量所特有的因子，只对一个原始变量起作用；WM代表因子载荷，是每个变量在公因子上的相关系数；而en代表了每一观测变量的随机误差。 探索性因子分析模型 应用范围 探索性因子分析主要应用于三个方面 寻求基本结构,解决多元统计分析中的变量间强相关问题 数据化简，将具有错综复杂关系的变量综合为少数几个因子（不可观测的、相互独立的随机变量） 发展测量量表 探索性因子分析——步骤 判断变量是否适合做因子分析 1. KMO（Kaiser-meyer-olkin）检验 KMO统计量是用来比较各变量