第六章因子分析§6.1因子分析的基本原理与模型一、因子分析的基本思想基本思想：根据相关性的大小将变量分组，使得同组内
变量间的相关性较高，不同组间的相关性较低。每组变量代表一个基本结构，并用一个不可观测的综合变量形式表示，这个基本结构成为公共
因子。此时的原始变量就可以分解成两部分之和的形式，一部分是少数几个不可测的所谓公共因子的线性函数，另一部分是与公共因子无关的
特殊因子。目的：从一些有错综复杂的问题中找出几个主要因子，每个主要因子代表原始变量间相互依赖的一种作用。二
、因子分析的基本模型常用的因子分析模型：R型因子分析和Q型因子分析（一）R型因子分析模型R型因
子分析是对变量作因子分析。R型因子分析中的公共因子是不可直接观测但又客观存在的共同影响因素，每一个变量都可以表
示成公共因子的线性函数与特殊因子之和，即:其中：称为公共因子，称为的特殊因子矩阵表达式：且满足
：（1）（2），即公共因子与特殊因子是不相关的（3）
，即各公共因子不相关且方差为1（4），即各个特殊因子不
相关，方差不要求相等模型中称为因子载荷，是第个变量在第个因子上的负荷，如果把变量
看成维空间中的一个点，则表示它在坐标轴上的投影，因此矩阵称为因子载荷矩阵。（二）Q型因
子分析Q型因子分析是对样品作因子分析。模型同上注：主成分分析与因子分析的区别主成
分分析的数学模型本质上是一种线性变换，是将原始坐标变换到变异程度大的方向上去，相当于从空间上转换观看数据的的角度，突出数据变
异的方向，归纳重要信息。因子分析与主成分分析一样都属降低变量维数的方法。但因子分析的本质是从显在变量去“提
炼”潜在因子的过程。模型中应注意的问题：（1）变量的协方差阵的分解式为
即（2）因子载荷不是唯一的。三、因子载荷阵的统计意义（一）
因子载荷的统计意义对于因子模型可知的协方差若对作标准化处理，
的标准差为1，且的标准差为1则
（相关系数）综上可知：对于标准化后的，是的相关系数，一方面表示
的依赖程度，绝对值越大，密切程度越高；另一方面也反映了变量对公共因子的相对重要
性。（二）变量共同度的统计意义设因子载荷矩阵为，称第行元素的平方和，即
为变量的共同度。由因子模型，知即变量
的方差由两部分组成：第一部分为共同度，它描述了全部公共因子对变量的总方差所作的贡献，反映了公共因子对
变量的影响程度。第二部分为特殊因子对变量的方差的贡献，通常称为个性方差如果对变量作了标准化处理，则（
三）公因子的方差贡献的统计意义设因子载荷矩阵，称第列元素的平方和，即
为公共因子对的贡献，即表示同一公共因子对各变量所提供的方差
贡献之总和，它是衡量每一个公共因子相对重要性的一个尺度。§6.2因子分析的步骤因子分析的一般步骤可以分为确
定因子载荷矩阵、因子旋转和计算因子得分三步。一、因子载荷的求解对于因子载荷阵的求解方法有很多，在这里介绍主
成分法和主轴因子法。（一）、主成分法主成分法确定因子载荷是在进行因子分析前先对数据进行一次主成分分析。
假定从相关矩阵出发求解主成分，设有个变量，则可以找出个主成分。将这个主成分按大到小顺序排列为
，则主成分与原始变量之间存在以下关系：由于为随机向量的相关矩阵的特征值所
对应的特征向量的分量，且特征向量间彼此正交，之间的转换关系是可逆的，由此解出由得转换关系如
下：将上式中每一等式只保留前个主成分而把后面的部分用代替，则：将
转化为合适的公共因子，只需要把主成分变成方差为1的变量，即将除以其标准差（）即可。于是令
则：需指出：这样得到的
之间并不独立，因此它并不完全符合因子模型的假设前提，也就是说所得的因子载荷矩阵并不完全正确。但是当共同度较大时，特殊因子
所起的作用很小，因而特殊因子间的相关性所带来的影响几乎可以忽略。（二）、主轴因子法假定原始变量
已作了标准化处理，的相关矩阵令
则称为的约相关阵。中的主对角线元素是，非主对角线元素和的完全一样，并且是
一个非负定矩阵记（特点，限制条件）
利用这种方法求得的的解使得第一公共因子的贡献
达到最大，第二公因子的贡献达到次之，....，第m个公共因子
的贡献最小。即相应的“贡献”依次为。求解过程：利用
极值定理，构造函数求偏导获得。二、因子旋转因子分析的目标之一就是要对所提取的抽象因子的实际含义进行合
理解释。有时直接根据特征根、特征向量求得的因子载荷阵难以看出公共因子的含义。例如，可能有些变量在多个公共因子上都有较大的载荷
，有些公共因子对许多变量的载荷也不小，说明它对多个变量都有较明显的影响作用。这时需要通过因子旋转的方法，使每一个变量仅在
一个公共因子上有较大的载荷，而在其余的公共因子上的载荷比较小，至多达到中等大小。而对于公共因子而言，它在大部分变量上的载荷较
大，在其他变量上的载荷较小，使同一列上的载荷尽可能地靠近1和0，两极分离。因子旋转方法有正交旋转和斜交旋转两类
正交旋转是指对载荷矩阵作一正交变换，右乘正交矩阵，使得，旋转后的公共因子向量为
,它的各个分量是互不相关的公共因子。这里介绍最大方差旋转法。
令则的第j列元素平方的相对方差可定义为：所谓最大方差旋转法就是选择正
交矩阵，使得矩阵所有m个列元素平方的相对方差之和达到最大。
三、因子得分在因子分析模型中，如果不考虑特殊因子的影响，当
可逆时，可以非常方便地从每一个样品的指标取值计算出其在因子上的相应取值：，即
该样品在因子上的“得分”情况，简称为该样品的因子得分。但因子分析模型在实际应用中要求因此不能精确计算
出因子的得分情况，只能对因子得分进行估计，通常采用汤姆孙回归法。假设公共因子可对个原始变量作回归，即
如果都标准化了，回归的常数项为0，即由因子载荷的统计意义知，对于任意的
都有
记为因子得分系数矩阵，则上式可写成矩阵形式为于
是即得因子得分的估算式其中的相关系数矩阵，一般为标准化变
量。§6.3实例分析例6.1为研究消费者对购买牙膏的偏好程度，通过市场拦截访问，用7级量表询问受访者对以下陈述的认同程
度（1表示非常不满意，7表示非常同意）。V1：购买预防蛀牙的牙膏是重要的V2：我喜欢使牙齿亮泽的牙膏V3：牙膏应当保护牙龈
V4：我喜欢使口气清新的牙膏V5：预防坏牙不是牙膏提供的一项重要利益V6：购买牙膏时最重要的考虑是富有魅力的
牙膏例6.22001年我国其中的31个省、市和自治区的城镇居民家庭平均每人全年消费性支出（单位：元）的8个主要变量数据
是x1(食品)、x2（衣着）、x3（家庭设备用品及服务）、x4（医疗保健）、x5（交通和通信）、x6（娱乐教育文化服务）、x7（居住）、x8（杂项商品和服务）。使用因子分析方法对不同地区进行综合评价。（可以根据因子得分系数矩阵，求出各地区的因子得分，从而对全国31个省、市和自治区的城镇居民的生活水平进行简要的综合评价。,其中为因子得分系数矩阵，为标准化变量） |
|
