因子分析数学模型.docVIP

因子分析数学模型 因子分析看基本思想 因子分析是一种旨在寻找隐藏在多变量数据中，无法直接观察到却影响或支配可观测变量的潜在因子，并估计潜在因子对可观测变量的影响程度，以及潜在因子之间的相关性的一种多元统计分析方法。其基本思想是从分析多变量数据的相关关系入手，找到支配这种相关关系的少数几个相关独立的潜在因子，并通过建立起这些潜在因子与原变量之间的数量关系来预测潜在因子的状态，帮助发现隐藏在原变量之间的某种客观规律性。因子分析和主成分分析都能起到清理多个原始变量内在结构关系的作用，但主成分分子重在综合原始变量信息，而因子分析重在解释原始变量间的关系，是比主成分分析更深入的一种多元统计方法。 因子分析法就是这些潜在因子的数学模型方法，它是在主成分的基础上构筑若干个意义较为明确的潜在因子，以它们为框架分析原变量，以考察原变量间的联系与区别。 2、因子分析的基本原理 3、因子分析的数学模型 假设对n例样品观测了p个指标，即X1，X2，…，Xp，得到观测数据。我们的任务就是从一组观测数据出发，通过分析各指标X1， 因子分析模型描述如下： （1）X=（X1，X2，…，Xp）是可观测随机变量，均值向量E(X)=0，协方差Cov（X （2）F=(F1， F2，…，Fm)（m=p）是不可测的向量，其均值E(F)=0，协方差矩阵Cov（ （3）e=（e1，e2，…，ep）与F相互独立，且E(e)=0，e