1. 表示形式不同
主成分分析PCA是用原始的指标X1~Xn进行线性表示,得到n个新的主成分F1~Fn,主成分个数与原指标相同。然后选取n个主成分中特征值大于1的,或累计方差贡献率大于85%的,作为降维后的新指标。
因子分析FA则相反,寻找原指标的公共因子F1~Fm,然后用因子线性表示原指标X1~Xn。这里两者个数往往不相同,因子个数需要自行指定。
无论是PCA还是FA,得到的新指标都是两两不相关的,这也是许多其他模型的前提条件。
2. 使用条件不同
首先使用两种方法前往往都需要对数据进行标准化。
其次,因子分析还需要经过KMO检验和bartlett球形检验。
3. SPSS中的使用
SPSS中只有因子分析,没有主成分分析。但事实上可以由因子分析的结果推出主成分分析的结果。
数学上可以证明,将FA得到的因子载荷矩阵中的向量 a(i) 除以√λi,即u(i) = a(i) / √λi
, 就是PCA中的系数。(推导可见老哥视频,主成分分析那里)
4. tips
在使用主成分分析法得到主成分后,最好对各个主成分进行一定的分析,解释该主成分代表的含义。