《确定性因子分析》PPT课件.ppt

《《确定性因子分析》PPT课件.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、确定性因子分析流行病与卫生统计学系ConfirmatoryFactorAnalysis因子分析可分为两种：探索性因子分析(exploratoryfactoranalysis)确定性因子分析(confirmatoryfactoranalysis)什么是探索性因子分析？探索性因子分析是去探讨一组可测变量的特征，性质和内部的关联性，并揭示有多少主要的潜在因子可能影响这些可测变量。如果所进行的一项研究涉及到很多的可测变量，而且在研究之前，并不清楚有哪些可能的潜在因子会影响这些可测变量，这时可作探索性因子分析。何时使用探索性因子分

2、析？什么是确定性因子分析？确定性因子分析是在探索性因子分析的基础上进一步确定每一个潜在因子对可测变量的影响程度，以及了解这些潜在因子之间的关联程度。如果根据以往的经验或根据探索性因子分析的结果已经清楚哪些可测变量可能被那一个潜在因子所影响，而只需进一步确定每一个潜在因子对可测变量的影响程度，以及了解这些潜在因子之间的关联程度，这时可用确定性因子分析。何时使用确定性因子分析？确定潜在因子个数，和每一个潜在因子影响哪几个可测变量。确定潜在因子对可测变量的影响大小，和潜在因子之间的关系。两种因子分析的假设条件探索性因子分析要求

3、寻找出的这些潜在因子是相互独立的，有实际意义的，而且这些独立的潜在因子尽可能多地概括了原可测变量的信息。确定性因子分析不要求寻找出的这些潜在因子是相互独立的，它的目的是研究潜在因子之间的关联性。两种因子分析的统计分析探索性因子分析仅仅用在研究初期对原始数据的探讨，它的结果一般不需要进行统计检验。确定性因子分析是确定性地描述了观察变量与潜在因子之间的关系，具有有效的实际意义，因此需要进行统计检验。第一节确定性因子分析的基本原理确定性因子分析和探索性因子分析的数学模型是一样的。但是，它们的不同之处是，进行探索性因子分析时，总

4、是假定研究者对指标的内在结构以及隐含的潜在因子一无所知，或知之甚少。因此，估计模型中的未知因子载荷aij时，所有的因子载荷都应估计，也就是说，探索性因子分析是一种非限制性(unrestricted)的分析，其结果完全取决于已知数据。而确定性因子分析是在探索性因子分析的基础上进行的，它不需要估计所有的因子载荷，只需要估计特定的因子载荷，其余的因子载荷均假定为零。例如，孩子的数学成绩(x1)，孩子的语文成绩(x2)，父亲的学历(x3)和母亲的学历(x4)这四个指标变量经过探索性因子分析得到模型如下：非限制性的(unrestr

5、icted)限制性的(restricted)确定性因子分析的基本原理就是对一个特定的因子分析模型进行分析，分析的过程就是用数据去证实(统计检验)这个特定的因子分析模型是否成立，并且估计潜在因子之间的相关系数。确定性因子分析的基本原理第二节确定性因子分析的数学模型一、模型：例如：i=4,q=2模型：可测变量，潜在因子，因子载荷，度量误差矩阵形式：其中，λx是待估计的因子载荷矩阵，ξ是潜在因子矩阵，δ是误差项矩阵。(1)xi是随机变量；(2)δi是均值为0，方差为常数的正态随机变量；(3)δi之间相互独立；(4)δi与所有的

6、ξj独立；二、假设条件探索性因子分析的假设条件：(1)-(4)相同，(5)ξi是方差为1的随机变量，且ξi之间相互独立。第三节确定性因子分析模型的基本要素基本矩阵：λx，φ和θδ第四节潜在因子的尺度问题任何一个观察变量都是有尺度(scales)的，即有原点(origin)和单位(unit)。潜在因子是没有尺度的，即，没有原点和单位。为了使得潜在因子之间具有可比性，必须给每一个潜在因子定义它的原点和单位。只要将原始数据标准化，潜在因子的原点问题就得以解决。解决潜在因子的单位问题有两个常用的方法：一个方法是假定所有潜在因子的

7、方差为1，即，令矩阵φ中所有主对角线上的元素为1。这意味着，假定潜在因子的单位等于样本总体的标准差。另一个最常用的也是最方便的方法是，在每一个潜在因子所支配的几个观察变量中，选择一个作为参照变量(referencevariable)，并假定该潜在因子对这个参照变量的影响是1，即，参照变量在这个因子上的因子载荷是1。这就意味着潜在因子的尺度被假定为和参照变量的尺度一样。参照变量的选取方法：参照变量可以任意选取，也可以选择代表性最强的指标，即在探索性因子分析中，因子载荷最大的指标。对于单指标潜在因子，可以假定其因子载荷等于1

8、，即假定误差等于0，或误差是接近于0的一个很小的数。这两种解决潜在因子单位的方法都等价于增加了模型的限制条件，从而减少了未知参数的个数。第五节确定性因子分析模型的可鉴别性和自由度确定性因子分析模型的可鉴别性的必要条件:对于可鉴别的模型(正好可鉴别或过分可鉴别)，一定有c≥p。自由度df=c-p。如果df<0，则模型一