1 简介
2 基本思想
3 数学模型
Xi=μi+αi1F1+...+αimFm+εi(m≤p)
⎩⎪⎪⎨⎪⎪⎧X1=μ1+α11F1+...+α1mFm+ε1X2=μ2+α21F1+...+α2mFm+ε2......Xp=μp+αp1F1+...+αpmFm+εp
则称此式的模型为因子模型
,用矩阵形式简记为:X=μ+AF+ε
其中,Fi为公共因子
,是不可观测的变量,它们的系数αij称为载荷因子
;A=(αij)p×m为因子载荷矩阵
; εi是特殊因子
,是不能被前m个公共因子包含的部分
因子分析的可行性分析:
相关系数矩阵
【大部分相关系数都>0.3
时可进行因子分析】
KMO
(Kaiser-Meyer-Olkin)检验
:检验变量之间的偏相关系数是否过小【此值>0.5
时可进行因子分析】
Bartlett's检验
:检验显著性水平(Sig.)【此值<0.05
时可进行因子分析】
变量共同度
【较高
时可进行因子分析】
因子分析模型的性质:载荷矩阵不是唯一的
公共因子数目的两种确定依据:
因子载荷矩阵的统计性质:
- 因子载荷αij:cov(Xi,Fj)=αij,即aij是Xi和Fj的协方差(相关系数)
- 变量共同度hi2:因子载荷矩阵A中第i行元素的平方哈,记为hi2=j=1∑mαij2(i=1,2,...,p)
- 公共因子Fj方差贡献和Sj
因子载荷矩阵的三种估计方法:
- 主成分分析法
- 主因子法
- 最大似然估计法
- 方差最大法:从简化因子载荷矩阵的每一列出发,使和每个因子有关的载荷的平方的方差最大
- 四次方最大法:使因子载荷矩阵中每一行的因子载荷平方的方差达到最大
- 等量最大法:把方差最大法和四次方最大法结合起来,求它们的加权平均最大
3.3 因子得分
因子得分函数Fj=cj+βj1X1+...+βjpXp,j=1,2,...,m
因子得分的两种估计方法:
- 根据问题
选取原始变量
,对数据进行标准化处理
- 计算
相关系数矩阵
,分析变量之间的相关性(较强)
- 求解
公共因子及载荷矩阵
因子旋转
(正交变换)
- 计算
因子得分