08-第八章-因子分析.ppt

第一节 因子分析的原理与模型 第二节 因子载荷矩阵的估计方法 第三节 因子得分及因子分析步骤 第四节 因子分析在Excel中的实现 因子分析是主成分分析的推广和发展，它是由研究原始数据相关矩阵的内部依赖关系出发，把一些具有错综复杂关系多个变量（或样品）综合为少数几个因子，并给出原始变量与综合因子之间的相关关系的一种多元统计分析方法。它也属于多元分析中数据降维的一种统计方法。 第一节 因子分析的原理与模型 一、因子分析的基本思想和数学模型 二、因子载荷矩阵的统计意义 一、因子分析的基本思想和数学模型 (一)基本思想 因子分析是通过变量（或样品）的相关系数矩阵内部结构的研究，找出存在于所有变量（或样品）中具有共性的因素，并综合为少数几个新变量，把原始变量表示成少数几个综合变量的线性组合，以再现原始变量与综合变量之间的相关关系。其中，这里的少数几个综合变量一般是不可观测指标，通常称为公共因子。 因子分析的常用的两种类型： 一种是R型因子分析，即对变量进行因子分析； 一种叫Q型因子分析，即对样品进行的因子分析。 （二）数学模型 对于一个样本，观测p个指标，n个样品的数据资料阵为： 要求模型满足： （三）因子分析的应用 1904年Charles Spearman 发表的《对智力测验得分进行统计分析》被视为因子分析的起点。因子分析在经济学、社会学、考古学、生物学、医学、地质学以及体育科学等领域应用十分广泛，都取得了显著的成绩。 因子分析在经济分析中主要应用于两个方面: 一是，寻求数据基本结构。如在经济统计中，描述一种经济现象的指标很多，这时就需要使用因子分析从中找出公共因子，每一个主因子就代表反映经济变量间相互依赖的一种经济作用，抓住这些主要因子就可以帮助我们对复杂经济问题进行分析和解释。 二是，数据简化，进行分类处理。因子分析还可用于对变量或样品的分类处理，可以根据因子分析的得分值，在因子轴所构成的空间中把变量或样品点画出来，形象直观地达到分类的目的。 因子载荷矩阵的统计意义 假定因子模型中，各个变量、公共因子、特殊因子都已经进行了标准化处理。为进一步理解因子分析，下面给出因子载荷矩阵中有关因子载荷、变量共同度、公共因子方差贡献的统计意义。 ①因子载荷的统计意义 ②变量共同度的统计意义 所谓变量共同度是指因子载荷矩阵中第i 行元素的平方和。即 为了说明变量共同度的统计意义，对下式两边求方差，有 由于 已经标准化，所以有 说明，原始变量 的方差由两部分组成：第一部分为共同度，它刻划了全部公共因子对变量 的总方差所做的贡献，共同度越接近1，说明该变量的几乎全部原始信息都被所选取的公共因子说明了。第二部分为特殊因子的方差，它仅与 本身的变化有关，它是使 的方差为1的补充值。 ③公因子方差贡献的统计意义 所谓公共因子方差贡献是指因子载荷矩阵中第j 列元素的平方和。即 表示同一公共因子 对各个变量 所提供的方差贡献的总和。它是衡量公共因子相对重要性的指标。 第二节 因子载荷矩阵的估计方法 一、因子载荷矩阵的估计 二、因子载荷矩阵的方差最大正交旋转 三、因子载荷矩阵的Promax协旋转 一、因子载荷矩阵的估计 进行因子分析的一个关键问题是如何求出因子载荷矩阵，主因子载荷矩阵的估计方法有很多，其中常用的是主成分方法。 因子载荷矩阵的估计是从分析原始数据协方差矩阵的内部结构开始的。 二、因子载荷矩阵的方差最大正交旋转 因子载荷矩阵旋转是根据因子载荷矩阵的不唯一性，用一个正交矩阵右乘因子载荷矩阵，实行旋转（由线性代数，一次正交变换，对应坐标系的一次旋转），使旋转后的因子载荷矩阵结构简化，以便对公共因子进行合理的解释。所谓结构简化就是使得每个变量仅在一个公共因子上有较大的载荷，而在其他的公共因子上的载荷比较小，也就是说，每个变量仅与一个公共因子有较大的相关系数，而与其他的公共因子的相关系数较小。常用因子载荷矩阵旋转的方法有：方差最大正交旋转、斜交旋转等。最常用的是方差最大正交旋转。 （一）因子载荷矩阵的方差最大正交旋转 方差最大正交旋转是使因子载荷矩阵中，各因子载荷值的总方差达到最大作为因子载荷矩阵结构简化的准则。其中。总方差最大，而不是某个因子方差极大。即如果第i个变量在第j个公共因子上的载荷经过“方差极大”旋转后，其值增大或减少，意味着这个变量在另一些公共因子上的载荷要缩小或增大。所以“方差极大”旋转是使载荷值按照列向0，1两极分化，同时也包含着按行向