第四章 因素分析

第四章因素分析一、因素分析（factoranalysis）：1、寻求基本结构2、缩减数据（datareduction）探索性因素分析（exploratoryfactoranalysis）验证性因素分析（confirmatoryfactoranalysis）二、因素分析的原理1、因素分析模型公因子（commonfactor）特殊因子（uniquefactor）因子负载（factorloading）imimiiifffx22112、因子载荷是因素分析中的一个重要统计量，它是观测变量与公因子关系的一个指标。当公因子之间完全不相关时，很容易证明因子载荷是aij是第i个观测变量与第j个公因子之间的相关系数。aij的绝对值越大，说明与fj公因子的关系越密切。12112126.02012.09562.0ffx22123913.02896.08735.0ffx32134057.08972.01744.0ffx42143202.07586.05675.0ffx52153962.03315.08562.0ffx因子载荷还可以用来估计观测变量之间的相关系数，当公因子之间彼此不相关时，由因素分析模型可以推导出变量xi和xj之间的相关系数为：如果以因素分析模型可以推导出变量之间的相关系数与从观测数据计算出的相关系数差距越小，因素分析模型越适合。jmimjijiijr22113、公因子方差公因子方差（communality）也叫共同度、公共方差，指观测变量中由公因子决定的比例。变量xi的公因子方差记做hi2。当公因子之间彼此正交时，共因子方差等于和该变量有关的因子载荷的平方和，即：变量的方差由两部分组成，一部分由公因子决定，一部分由特殊因子决定。公因子方差表示了变量中能够被公因子所解释的部分，公因子方差越大，变量能够被因子解释的程度越高。222212imiiih4、因子的贡献每个公因子对于数据的解释能力，可以用该因子所解释的总方差来衡量，通称为该因子的贡献（contribution），记为Vp。它等于和该因子有关的因子载荷的平方和，即：三、因素分析的方法1、因素分析的条件：观测变量之间有较强的相关。检验的方法：（1）反映象相关矩阵（Anti-imagecorrelationmatrix）（2）巴特利特球体检验（Bartletttestofsphericity）（3）KMO（Kaiser-Meyer-Olkinmeasureofsamplingadequacy）测度。2、求解初始因子在探索性因素分析中，确定因子的个数（1）主成分分析的方法（principalcomponents）每个观测变量的初始方差为1。因子个数的确定特征值（eigenvalues）碎石图（screeplot）（2）公因子分析的方法每个观测变量的初始方差不再为1，而是公因子的方差。主轴因子分析的方法（Principalaxisfactoring）最小二乘法（Leastsquares）:普最小二乘法和广义最小二乘法最大似然法（Maximumlikelihood）:ａ因子提取法（Alphafactoring）:映象分析法（imageanalysis）3、解释因子在求解初始因素中，确定因子的个数和每个变量的公因子方差，但大多数因子和很多变量都相关，很难解释因子的意义。为了寻求因子的意义就需要进行因子旋转，即让每个变量在尽可能少的因子上有比较高的载荷。在求解初始因素中，确定因子的个数和每个变量的公因子方差，但大多数因子和很多变量都相关，很难解释因子的意义。为了寻求因子的意义就需要进行因子旋转，即让每个变量在尽可能少的因子上有比较高的载荷。因子旋转的方式有两种：正交旋转和斜角旋转正交旋转是因子之间是不相关的，斜角旋转是因子之间是相关的。（1）正交旋转（orthogonalrotation）四次方最大法（quartimax）方差最大法（varimax）等量最大法（equimax）（2）斜角旋转（obliquerotation）Oblimin的方法4、因子值（factorscore）因子值是观测变量的加权平均数。权数即因子值系数在主成分分析和公因子方法中估计的方法不一样。