因子分析★★★★★

该博客为个人学习清风建模的学习笔记，代码全部摘自清风老师，部分课程可以在B站：【强烈推荐】清风：数学建模算法、编程和写作培训的视频课程以及Matlab等软件教学_哔哩哔哩_bilibili 该博文可以与主成分分析一起看，博主的博客地址：主成分分析★★★★-CSDN博客

目录

1理论部分

1.1因子分析与主成分分析的区别

1.2因子分析实例

1.3因子分析原理

1.4因子分析性质

1.5因子载荷矩阵的统计意义

1.6参数估计的方法

1.7因子旋转的方法

1.8因子得分

2应用部分

2.1因子分析-统计 

2.2KMO检验和巴特利特球形检验

2.3初次计算和分析

2.4调整因子二次计算

2.5分析结果 

2.5.1公因子方差

2.5.2总方差

2.5.3成分矩阵

2.5.4旋转后的因子载荷散点图

2.5.5因子得分

---

名称	重要性	难度
因子分析	★★★★★	★★★★

1理论部分

1.1因子分析与主成分分析的区别

其他主要区别：

1. 主成分分析只是简单的数值计算，不需要构造一个模型，几乎没什么假定；而因子分析需要构造一个因子模型，并伴随几个关键性的假定。

2. 主成分的解是唯一的，而因子可有许多解。

因子解释成功的可能性要远大于主成分解释成功的可能性。

1.2因子分析实例

1.3因子分析原理

因子分析模型的假设： 

1.4因子分析性质

正是因为因子载荷矩阵 A不是唯一的，在实际的应用中我们常常利用这一点，通

过因子的变换，使得新的因子具有更容易解释的实际意义。

这就是因子分析往往比主成分分析的结果更容易解释的原因。

1.5因子载荷矩阵的统计意义

1.6参数估计的方法

1.7因子旋转的方法

得到因子模型后，其中的公共因子不一定能反映问题的实质特征，为了能更好地解释每一个公共因子的实际意义，且减少解释的主观性，可以通过因子旋转达到目的。

因子旋转分为正交旋转与斜交旋转，经过正交旋转而得到的新的公共因子仍然保持彼此独立的性质，而斜交旋转得到的公共因子是相关的( 违背了最初的假定，因此可以看作传统因子分析的拓展) ，其实际意义更容易解释。但 不论是正交旋转还是斜交旋转，都应当使新公共因子的载荷系数的 绝对值尽可能接近 0 或 1 （这里默认了我们从相关系数矩阵进行计算）。

SPSS中的方法： 

1.8因子得分

2应用部分

2.1因子分析-统计 

2.2KMO检验和巴特利特球形检验

2.3初次计算和分析

 2.4调整因子二次计算

2.5分析结果 

2.5.1公因子方差

2.5.2总方差

2.5.3成分矩阵

2.5.4旋转后的因子载荷散点图

2.5.5因子得分