SAS入门——多元统计（因子分析） 初学者笔记（三）欢迎指正

主成分分析是归纳总结，从变量层面升高一层，这一层能包含所选变量。以原变量的线性组合将原变量综合成少数几个主成分；因子分析是从变量层面下降一层，这一层是变量的组成成分。将原变量分解成几个公因子的线性组合，从而更好的了解原变量的内在关系。（用较少的独立的因子变量代替原始变量包含的大部分信息。）

因子分析不是主成分分析的逆运算，相反和主成分分析类似，因子指的是多个变量都含有的影响力大的从变量中提取出来的东西，类似于共性因子。就比如我们正在进行一项关于学生学业表现的研究，收集了包括数学成绩、语文成绩、英语成绩、物理成绩和化学成绩等多个科目的成绩数据。通过因子分析，我们可能会发现这些成绩数据之间存在某种潜在的结构或共同特征。

在这个例子中，因子分析可能会提取出两个或几个公共因子。比如，一个公共因子可能代表了“语言能力”，它与数学成绩的相关性较低，但与语文成绩、英语成绩的相关性较高。这表示学生在语文和英语方面的表现可能受到某种共同因素的影响，这种因素可能就是“语言能力”。另一个公共因子可能代表了“理科能力”，它与物理成绩和化学成绩的相关性较高，而与语文和英语成绩的相关性较低。

这些公共因子并不是直接观测到的变量，而是通过对原始变量的相关系数矩阵进行数学运算得出的。它们代表了原始变量之间的共同特征或潜在结构，有助于我们更深入地理解学生学业表现的内在机制。

通过因子分析，我们不仅可以提取出公共因子，还可以得到每个原始变量在各个公共因子上的载荷（系数）。这些载荷反映了原始变量与公共因子之间的相关性程度，可以帮助我们理解每个原始变量在公共因子中的贡献和重要性。

步骤：

1)确认待分析的变量是否适合做因子分析：计算原有变量的相关系数矩阵，一般小于0.3不适合做因子分析。

2)构造因子变量
将原始变量标准化，以消除数量级和量纲（单位）上的不同；求标准化数据的相关矩阵；求相关矩阵的特征值和特征向量；计算方差贡献率和累计方差贡献率；确定因子(若前m个因子的累计贡献率不小于80%则可取前m个因子来反映原指标)

3)利用旋转方法使因子变量更具有可解释性

4)计算因子得分
用原指标的线性组合来求各因子得分。

左边变量，右边因子。

X为要分解的变量， F1,F2,...,Fm为公共因子，是不可观测的变量。 称为因子载荷阵（原始变量与提取的因子之间的关系），表示第i个变量在第 j个因子上的载荷(系数)。是特殊因子，是不能被前m个公共因子包含的部分。并且满足cov(F,ε)=0，F,ε不相关。
说明：进行因子分析要求原始变量间存在较强的相关性，如果没有较强的相关性，则无法从中综合出能反映某些变量共同特征的少数因子变量。

步骤：1.找到潜在的公共因子F1、F2......Fm；2.计算因子载荷；3.解释变量间的关系。

1.找到潜在的公共因子

A就是a组成的矩阵，他是个正交阵，A的逆等于A的转置。

标准化，均值为零。

是第i个变量与第j个因子之间的相关系数，反映了第i个变量在第j个因子上的重要性，即表示变量依赖于的分量(比重)

例一：已知12个地区的5个经济指标：人口总数、学校总数、就业人口、服务业总数、房子个数。依据已知的5个经济指标，对12个地区的综合经济实力进行因子分析。

data ex842;
input objects$ pop school employ services house@@;
cards;
1 5700 12.8 2500 270 25000
2 1000 10.9 600 10 10000
3 3400 8.8 1000 10 9000
4 3800 13.6 1700 140 25000
5 4000 12.8 1600 140 25000
6 8200 8.3 2600 60 12000
7 1200 11.4 400 10 16000
8 9100 11.5 3300 60 14000
9 9900 12.5 3400 180 18000
10 9600 13.7 3600 390 25000
11 9600 9.6 3300 80 12000
12 9400 11.4 4000 100 13000
;
proc factor data=ex842 method=principal
percent=0.8 outstat=ex1;
var pop school employ services house;
run;
proc print data=ex1;
run;

$ 符号通常用于指示字符变量。在数据步中，如果在变量名后面加上符号通常用于指示字符变量数据步中，如果在变量名后面加上 符号，就表示该变量是一个字符型变量，而不是数值型变量。字符型变量通常用于存储文本数据，例如姓名、地址、描述等。

outstat输出统计量。

1。method是因子选择方法

2.outstat是输出数据集--用于存储因子分析的结果

通常确定因子个数时，要求因子累计贡献率大80%。结果表明应选取2个因子，记为F1，F2，贡献率分别为57.47%、35.93%。

当然有时因子载荷（系数）较均匀，不容易直接看出潜在因子对哪一个指标的影响最大，因而不容易赋予潜在因子一个合理的变量名称。
在这种情况下，需采用某种旋转(rotation)的方法，即使用某种线性变换将初始潜在因子转换成一组新的潜在因子，使得新的潜在因子对每一个指标的因子载荷的绝对值向0或1两极分化，从而能清楚地看到每一个潜在因子对哪一个指标影响最大，进而给出更合理的潜在因子的实际意义的解释。

在因子旋转过程中，按照旋转坐标轴的位置不同，如果主轴相互正交，则称之为正交旋转；如果主轴相互间不是正交的，则称之为斜交旋转。
在sas系统中，可供选择的因子旋转方法主要有方差最大化法，四分位最大法、平衡法、正交旋转法常用的是方差最大化旋转法(rotate=varimax)，rotate = 因子旋转方式名

修改一下原程序：（方差最大化旋转）

proc factor data=ex842 method=principal
rotate=varimax percent=0.8 score outstat=ex1;
/*载荷矩阵估计方法，正交旋转方法，累计贡献率，计算因子得分矩阵以便后面计算因子得分*/
var pop school employ services house;
run;
proc score data=ex842 score=ex1 out=ex2;
var pop school employ services house;
run;
proc print data=ex1; proc print data=ex2;
run;

第一公因子主要体现房子数、学校总数和服务总数，可归纳为“福利因子”
第二公因子主要体现就业人口和人口总数，可归纳为“***因子”

以上为12个样本的5个指标值，以及2个公共指标的得分，因子F1中J地区的得分最高，说明该地区的服务教育服务设施较好。因子F2中L地区的得分最高说明该地区的就业情况较好。

通过以上过程可以得知因子分析的用途：

1)寻找变量间的潜在结构
许多变量是无法直接观测到的，往往需要一个一系列可直接观测的相关变量来间接反映。运用因子分析可以将这些变量潜在的结构推导出来并加以利用,
2)评估问卷的结构效度
得出问卷中哪些问题用于研究哪些在的特征(因子)，从而得出该问卷结构效度的评价
3)内在结构证实
根据某些理论或其他知识对可能的内在结构进行了假设，可以用因子分析来验证该假设是否成立