方法：因子分析法.pdfVIP

. 因子分析基础理论知识 1 概念 因子分析 （Factor analysis ）：就是用少数几个因子来描述许多指标或因素之间的联系， 以较少几个因子来反映原资料的大部分信息的统计学分析方法。 从数学角度来看， 主成分分 析是一种化繁为简的降维处理技术。 主成分分析 （Principal component analysis）：是因子分析的一个特例，是使用最多的因 子提取方法。它通过坐标变换手段， 将原有的多个相关变量， 做线性变化， 转换为另外一组 不相关的变量。 选取前面几个方差最大的主成分， 这样达到了因子分析较少变量个数的目的， 同时又能与较少的变量反映原有变量的绝大部分的信息。 两者关系 ：主成分分析（ PCA ）和因子分析（ FA ）是两种把变量维数降低以便于描述、 理解和分析的方法，而实际上主成分分析可以说是因子分析的一个特例。 2 特点 （1）因子变量的数量远少于原有的指标变量的数量，因而对因子变量的分析能够减少 分析中的工作量。 （2 ）因子变量不是对原始变量的取舍，而是根据原始变量的信息进行重新组构，它能 够反映原有变量大部分的信息。 （3）因子变量之间不存在显著的线性相关关系，对变量的分析比较方便，但原始部分 变量之间多存在较显著的相关关系。 （4 ）因子变量具有命名解释性，即该变量是对某些原始变量信息的综合和反映。 在保证数据信息丢失最少的原则下， 对高维变量空间进行降维处理 （即通过因子分析或 主成分分析） 。显然，在一个低维空间解释系统要比在高维系统容易的多。 3 类型 根据研究对象的不同，把因子分析分为 R 型和 Q 型两种。 当研究对象是变量时，属于 R 型因子分析； 当研究对象是样品时，属于 Q 型因子分析。 但有的因子分析方法兼有 R 型和 Q 型因子分析的一些特点，如因子分析中的对应分析 方法，有的学者称之为双重型因子分析，以示与其他两类的区别。 4 分析原理 假定：有 n 个地理样本，每个样本共有 p 个变量，构成一个 n×p 阶的地理数据矩阵 : x x x 11 12 1p x x x 21 22 2 p X x x x n1 n2 np .. . 当 p 较大时， 在 p 维空间中考察问题比较麻烦。 这就需要进行降维处理， 即用较少几个 综合指标代替原来指标， 而且使这些综合指标既能尽量多地反映原来指标所反映的信息， 同 时它们之间又是彼此独立的。 线性组合：记 x1 ，x2 ，…， xp 为原变量指标， z1，z2 ，…， zm （m≤p ）为新变量指标 （主成分），则其线性组合为 : z l x l x l x