【原】如何用【因子分析方法】分析症状群的主成分情况？ | “症状群”文献解读

在最上期的文章的最后，我们留了一个问题：如何用探索性因子分析去分析一下这些症状群的主成分情况？

首先，我们要搞清楚什么是因子分析。

因子分析的基本思想是根据原始变量的相关性大小进行分组，原始变量之间相关性较强的构成一个新的组。

比如，我们在进行垃圾分类的时候，会根据垃圾的不同性质（相关性）对垃圾进行分类。

（图源网络）

可回收的垃圾放一块，厨房垃圾放一块，有害垃圾放一块。

那么，放一起之后的目的是什么？（设置干预措施）统一处理！

这就是因子分析降维的目的。其实就是把很多很多的原始的数据（变量），根据一定的方法（相关性大小）进行分类，分好类之后进行统一处理。

在有关“症状群”文献中，我们会根据用安德森症状评估量表（MDASI-C）、肺癌特异性症状模块等去收集肺癌患者的症状表现，结果如下：

（图源文献）

以上就是肺癌患者用症状量表收集之后得到的症状表现的结果。根据上面的结果，我们可以知道，肺癌患者相关症状的发生率和严重程度。

接下来，我们就可以利用因子分析去探索症状之间的相关性，根据相关性进行分类。分类之后，我们发现：

（图源文献）

探索性因子分析采用主轴因子法和最大斜交旋转法。提取出特征值＞1的4个因子，因子载荷≥0.4的症状纳入症状群。根据各症状群的组成，将其分别命名为情绪-睡眠症状群（因子1）、上消化道症状群（因子2）、呼吸道症状群（因子3）、肺癌特异性症状群（因子4），见上图。

①情绪-睡眠症状群包括苦恼、悲伤感、睡眠不安、嗜睡。

②上消化道症状群包括恶心和呕吐。

③呼吸道症状群包括胸闷和气短。

④肺癌特异性症状群包括咳嗽和咳痰。

今天先给大家梳理一下因子分析的思路。下一期，我们将详细讲解因子分析的具体操作过程。

敬请期待！