数据分析与R软件 6因子分析 知识点梳理.pdfVIP

第六章因子分析 TUTU TUTU 第六章因子分析 1 / 6 因子分析模型 X T X ♣ 设XX = (X , X , · · · , X ) 是p 维随机向量，则称XX 是有 m(m ≤ p) 1 2 p X 个公因子的模型，若XX 能表示为 m Xi = µi + ∑ a f + ε , (i = 1, 2, · · · , p) ij j i j=1 X µ Af ε 也可写成矩阵形式：XX = µµ + AfAf + εε ； a 为 A f ε ij 因子载荷；AA 为因子载荷矩阵；ff 为公因子向量；εε 为特殊因子向量 ♣ 因子模型满足： f f I f ε E(ff) = 0 ；Cov(ff) = IIm ；Cov(ff ,εε) = 0 ε ε Ψ E(εε) = 0 ；Cov(εε) = Ψ Ψε = diag( , , · · · , ) ε ε 11 22 pp TUTU 第六章因子分析 2 / 6 参数的统计意义 ♣ 参数的统计意义： Cov(X ,f ) = aij (Xi 在第j 个公因子上的权) i j m f 2 ∑ 2 变量Xi 的共同度(对ff 的共同依赖程度) ：hi = aij (行元素平方 j=1 和，h2 越大，模型效果越好) i σ = Var(X ) = h2 + ii i i ii p X 2 ∑ 2 fj 对变量XX 的总方差贡献：gj = aij (列元素平方和) i=1 2 gj ∑ fj 的方差贡献率： p Var(X ) i=1 i ∑m g