应用多元分析第八章因子分析.pptVIP

十项全能运动员得分相关矩阵;例为了评价即将进大学的高中生的学习能力，抽了200名高中生进行问卷调查，共50个问题。素有这些问题可以归结为阅读理解、数学水平和艺术素养三个方面。

例公司老板对48名应聘者进行面试，并给出他们在15个方面的得分，这15个方面是：申请书的形式(x1)、外貌(x2)、专业能力(x3)、讨人喜欢(x4)、自信心(x5)、精明(x6)、诚实(x7)、推销能力(x8)、经验(x9)、积极性(x10)、抱负(x11)、理解能力(x12)、潜力(x13)、交际能力(x14)、适应性(x15)。

通过因子分析，这15个方面可归结为应聘者的外露能力、讨人喜欢的程度、经验、专业能力和外貌。;§8.2因子模型;;二、因子模型的性质;例8.2.1设随机向量(x1,x2,x3,x4)’的协方差矩阵为;2、模型不受单位影响;3、因子载荷不唯一（相差一个正交变换）;三、因子载荷矩阵的统计意义;3、A的列平方和;Principalcomponents:主成分法

Unweightedleastsquare:不加权最小平方法

Generalizedleastsquares:普通最小平方法

Maximumlikelihood:最大似然法

Principalaxisfactoring:主因子法

Alphafactoring:α因子提取法

Imagefactoring:映象因子提取法

常用确定q的方法是按特征根由大至小的次序抽取，直到与接近为止。

;一、主成分法：;例在例中，分别取m=1,m=2,用主成分法估计的因子载荷和共性方差如下表：;相应于m=2的解的残差矩阵为：;dataexamp733(type=corr);

inputx1-x8;

cards;

1.000.......

0.9231.000......

0.8410.8511.000.....

0.7560.8070.8701.000....

0.7000.7750.8350.9181.000...

0.6190.6950.7790.8640.9281.000..

0.6330.6970.7870.8690.9350.9751.000.

0.5200.5960.7050.8060.8660.9320.9431.000

;

procfactordata=examp733(type=corr);

varx1-x8;

procfactordata=examp733(type=corr)n=2;

varx1-x8;

run;;prociml;

x={1.0000.9230.8410.7560.7000.6190.6330.520,

0.9231.0000.8510.8070.7750.6950.6970.596,

0.8410.8511.0000.8700.8350.7790.7870.705,

0.7560.8070.8701.0000.9180.8640.8690.806,

0.7000.7750.8350.9181.0000.9280.9350.866,

0.6190.6950.7790.8640.9281.0000.9750.932,

0.6330.6970.7870.8690.9350.9751.0000.943,

0.5200.5960.7050.8060.8660.9320.9431.000}

;

C={0.817170.53110,0.867290.43271,0.915170.23251,

0.948740.01185,0.95938-0.13148,0.93766-0.29268,

0.94397-0.28708,0.87981-0.41117};

a={0.8770.8880.845