因素分析方法.ppt

关于因素分析方法因素分析——FactorAnalysis系统分析与决策的四个进程：对系统进行描述性分析解析性分析预测性研究系统决策 因素分析法属于描述性分析，它能保证在数据信息损失最小的前提下，从大规模的原始数据群中，迅速将重要的信息提取出来，将高维的数据进行降维处理，迅速的揭示出系统中的因子结构，使人们对系统达到尽可能充分的认识，提高决策者的洞察力和分析效率。又称作因子分析。第2页,共20页，2024年2月25日，星期天因子分析 因子分析是通过变量或样本的相关系数矩阵内部结构的研究，找出能控制所有变量的少数几个随机变量去描述多个变量之间的相关关系。即将观察变量分类，将相关性较高的、联系较密切的、包含重复信息较多的变量分在同一类中，使不同类的变量之间的相关性较低，每类变量代表了一个本质因子或基本结构。因子分析就是寻找系统中这种不可观测的因子或结构的方法。第3页,共20页，2024年2月25日，星期天因子分析 在许多实际问题中，涉及的变量众多，各变量间还存在错综复杂的相关关系，这时最好能从中提取少数综合变量，这些综合变量彼此不相关，是不可测的潜在因素，但对观测变量的变化起支配作用，且包含原变量提供的大部分信息。因子分析就是为解决这一问题提供的统计分析方法。 例如：P159东西部地区各主成份的提取第4页,共20页，2024年2月25日，星期天因子分析的目的和任务目的： 寻求变量的基本结构、简化观测系统，即减少变量维数。用一个变量子集来解释整个问题。主要目的是研究一种假设的结构，用m(mp)个假设的公共因子来解释和说明p个变量之间的相互依赖结构及其复杂关系。任务： 寻找共性因素，且能解释各主因子的意义第5页,共20页，2024年2月25日，星期天主成份分析主成分分析只是一种中间手段，其背景是研究中经常会遇到多指标的问题，这些指标间往往存在一定的相关，直接纳入分析不仅复杂，变量间难以取舍，而且可能因多元共线性而无法得出正确结论。主成分分析的目的就是通过线性变换，将原来的多个指标组合成相互独立的少数几个能充分反映总体信息的指标，便于进一步分析。第6页,共20页，2024年2月25日，星期天模型形式1．1公共因子与特殊因子 从总体中提取的综合变量：F1,F2,…,Fm(mp)称为（总体的）公共因子。一般来说，公共因子不可能包含总体的所有信息，每个变量Xi除了可以由公共因子解释的那部分外，总还有一些公共因子解释不了的部分，称这部分为变量Xi的特殊因子，记为：?i。 故因子模型描述为：变量Xi的信息＝公共因子可以表达部分?公共因子不可表达部分 目前，公共因子可以表达的部分由公共因子的线性组合表示。即上面的因子模型可以写成以下的形式：第7页,共20页，2024年2月25日，星期天1．2正交因子模型 其中mp，F1,F2,…,Fm称为所有变量的公共因子；?i称为变量Xi的特殊因子。模型假设：公共因子是互相不相关的。特殊因子和公共因子不相关。第8页,共20页，2024年2月25日，星期天1．3因子载荷矩阵1．矩阵A称为因子载荷矩阵(componentmatrix)系数aij称为变量Xi在因子Fj上的载荷(loading)。即变量Xi在公共因子Fj上的载荷aij就是Xi与Fj的相关系数。反映公共因子对观察变量的影响程度。因子载荷越高，表明该因子包含原有指标的信息量越多。2．载荷矩阵的估计：主成分法。 主成分法是估计载荷矩阵的一种方法，由于其估计结果和变量的主成分仅相差一个常数倍，因此就冠以主成分法的名称。学习的时候，不要和主成分分析混为一谈。主成分法是SPSS系统默认的方法，在一般情况下，这是比较好的方法。以数据“应征人员”为例，按特征值大于1提取公共因子。在用不同方法获得因子载荷时，公共因子对总体方差的贡献率以主成分法为最高：第9页,共20页，2024年2月25日，星期天第二节变量的共同度与因子的方差贡献率2．1变量的共同度定义载荷矩阵A的第i行元素的平方和：称为变量Xi的共同度(communality)。共同度表示公共因子在多大的程度上解释变量Xi。2．2公共因子的方差贡献率定义载荷矩阵A第j列的平方和：称为因子Fj对总体的贡献(initialeigenvalues)。第10页,共20页，2024年2月25日，星期天共性方差： 也称方差贡献率，是用某个公共因子占总方差的百分比来说明共性因素的对观测变量总体的作用大小。公共因子个数的选择应考虑：因子所能解释的方差比率或贡献率；与利用有关专业知识所得结果的合理一致性通过这几种途径和手段对研究结果给予合理