因子分析法基本原理[整理].pdfVIP

1.因子分析法基本原理 在对某一个问题进行论证分析时，采集大量多变量的数据能为我们的研究 分析提供更为丰富的信息和增加分析的精确度。然而，这种方法不仅需要巨大 的工作量，并且可能会因为变量之间存在相关性而增加了我们研究问题的复杂 性。因子分析法就是从研究变量内部相关的依赖关系出发，把一些具有错综复 杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。这样我们 就可以对原始的数据进行分类归并，将相关比较密切的变量分别归类，归出多 个综合指标，这些综合指标互不相关，即它们所综合的信息互相不重叠。这些 综合指标就称为因子或公共因子。 因子分析法的基本思想是将观测变量进行分类，将相关性较高，即联系比 较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量 实际上就代表了一个基本结构，即公共因子。对于所研究的问题就是试图用最 少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的 每一分量。这样，就能相对容易地以较少的几个因子反映原资料的大部分信息， 从而达到浓缩数据，以小见大，抓住问题本质和核心的目的。 因子分析法的核心是对若干综合指标进行因子分析并提取公共因子，再以 每个因子的方差贡献率作为权数与该因子的得分乘数之和构造得分函数。因子 分析法的数学表示为矩阵：X  AF B ，即:  x  f  f  f  f   1 11 1 12 2 13 3 1k k 1 x  f  f  f  f   2 2 1 1 22 2 23 3 2k k 2  x  f  f  f  f  (k≤p) ………………(1 式) 3 31 1 32 2 33 3 3k k 3   x  f  f  f  f    p p 1 1 p 2 2 p 3 3 p k k p   模型中，向量X x , x , x ,, x 是可观测随机向量，即原始观测变量。F 1 2 3 p     f 1, f 2 , f 3 ,, f k 是X x , x , x ,, x 的公共因子，即各个原观测变量的表达式中 1 2 3 p 共同出现的因子，是相互独立的不可观测的理论变量。公共因子的具体含义必 须结合实际研究问题来界定。A  是公共因子F 的系数，称为因    ij f 1, f 2 , f 3 ,, f k 子载荷矩阵，ij （i=1,2,,p;j=1,2,,k)称为因子载荷，是第i个原有变量在第j 个因子上的负荷，或可将 看作第i个变量在第j公共因子上的权重。 是x 与 ij ij i f 的协方差，也是x 与f 的相关系数，表示x 对f 的依赖程度或相关程度。 的 j i j i j ij   绝对值越大，表明公共因子f 对于x 的载荷量越大。B 