研《主成分分析与因子分析》.ppt

《研《主成分分析与因子分析》.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、主成分分析与因子分析辽宁工程技术大学L.NTECHNICALUNIVERSITY英国统计学家MoserScott1961年在对英国157个城镇发展水平进行调查时，原始测量的变量有57个，而通过因子分析发现，只需要用5个新的综合变量(它们是原始变量的线性组合)，就可以解释95％的原始信息。对问题的研究从57维度降低到5个维度，因此可以进行更容易的分析。著名的因子分析研究美国统计学家Stone在1947年关于国民经济的研究，它根据美国1927年到1938年的数据，得到17个反映国民收入与支出的变量要素，经过因子分析，得到了3个新的变量，可以解释17个原始变量97.4％的信息。根据这3个因子变

2、量和17个原始变量的关系，Stone将这3个变量命名为：Z1——总收入。Z2——总收入率。Z3——经济发展或衰退的趋势(时间t的线性部分)。根据这3个变量的命名含义，可以看出这3个新的变量是可以测量的。Stone把实际测量3个变量的值(C1，实际测量总收入；C2，实际测量总收入率；C3，时间因素)和因子分析得到的3个变量值进行相关性分析，得到的结果如下表所示。Z1Z2Z3C1C2C3Z11Z201Z3001C10.9950.0410.0571C20.0560.9480.1240.1021C30.3690.2820.8360.4140.1121在社会、政治、经济和医学等领域的研究中往往需要

3、对反映事物的多个变最进行人量的观察，收集大量的数据以便进行分析，寻找规律。在大多数情况下，许多变量之间存在一定的相关关系。因此，有可能用较少的综合指标分析存在于各变量中的各类信息，这些被抽象出来的综合指标之间彼此不相关，且能反映原来众多变量的主要信息，称之为因子。因子分析就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子反映原资料的大部分信息的统计学方法。即是一种通过显在变量来测评潜在变量，通过具体指标测评抽象因子的统计分析方法。因子分析的特点因子变量的数量远少于原有的指标变量的数量，对因子变量的分析能够减少分析中的计算工作量。因子变量不是对原有变量的取舍，而是根据原始变量

4、的信息进行重新组构，它能够反映原有变量大部分的信息。因子变量之间不存在线性相关关系，对变量的分析比较方便。因子变量具有命名解释性，即该变量是对某些原始变量信息的综合和反映。因子分析的数学模型因子分析的出发点是用较少的相互独立的因子变量来代替原来变量的大部分信息，可以通过下面的数学模型来表示：原有变量是均值为零、标准差为1的标准化变量ei特殊因子，表示了原有变量不能被因子变量所解释的部分，相当于多元回归分析中的残差部分。因子分析中的几个概念因子载荷：在各个因子变量不相关情况下，因子载荷aij就是第i个原有变量和第j个因子变量的相关系数，即xi在第j个公共因子变量上的相对重要性。因此，aij

5、绝对值越大，则公共因子Fj和原有变量xi关系越强。变量共同度：也称公共方差，反映全部公共因子变量对原有变量xi的总方差解释说明的比例。原有变量xi的共同度是因子载荷矩阵A中第i行元素第平方和，即：公共因子Fj的方差贡献：为因子载荷矩阵A中第j列各元素的平方和，即：公共因子的方差贡献反映了该因子对所有原始变总方差的解释能力，其值越高，说明因子重要程度越高。因子分析有两个核心问题：一是如何构造因子变量；二是如何对因子变量进行命名解释。因子分析的个基本步骤确定待分析的原有若干变量是否适合于因子分析构造因子变量利用旋转使得因子变量更具有可解释性计算因子变量的得分确定待分析的原有若干变量是否适合于

6、因子分析因子分析的潜在要求是原有变量之间要具有比较强的相关性。如果原有变量之间不存在较强的相关关系，那么就无法从中综合出能反映某些变量共同特性的少数公共因子变量来。对原有变量作相关分析的方法是计算变量之间的相关系数矩阵。如果相关系数矩阵在进行统计检验中，大部分相关系数都小于0.3且未通过统计检验，那么这些变量就不适合进行因子分析。SPSS在因子分析过程中提供了如下几种检验方法来判断变量是否适作因子分析。1、巴特利特球形检验(BartlettTestofSphericity)巴特利特球形检验是以变量的相关系数矩阵为出发点的。零假设相关系数矩阵是一个单位阵。巴特利特球形检验的统计量是根据相

7、关系数矩阵的行列式得到的。如果该值较大，且其对应的相伴概率值小于用户心中的显著性水平，那么应该拒绝零假设，认为相关系数据不可能是单位阵，也即原始变量之间存在相关性，适合作因子分析；相反，不宜于作因子分析。反映像相关矩阵检验以变量的偏相关系数矩阵为出发点，将偏相关系数矩阵的每个元素取反，得到反映像相关矩阵。偏相关系数是在控制了其他变量对两变量影响的条什下计算出来的相关系数，如果变量之间存在较多的重叠影响，那么偏相关系数就会较小。因此，