因子分析 factor analysis (六) ：用因子分析法进行综合评价

最新推荐文章于 2024-05-27 09:26:35 发布

wamg潇潇

最新推荐文章于 2024-05-27 09:26:35 发布

阅读量5w

点赞数 42

分类专栏：多元统计分析 matlab数学建模

本文链接：https://blog.csdn.net/qq_29831163/article/details/88918422

版权

matlab数学建模同时被 2 个专栏收录

109 篇文章 1206 订阅

订阅专栏

多元统计分析

19 篇文章 99 订阅

订阅专栏

因子分析系列博文:

因子分析 factor analysis (一 )：模型的理论推导

因子分析 factor analysis (二 ) ：因子分析模型

因子分析 factor analysis (三) ：因子载荷矩阵的估计方法

因子分析 factor analysis (四) ：因子旋转（正交变换）

因子分析 factor analysis (五) ：因子得分

因子分析 factor analysis (六) ：用因子分析法进行综合评价

因子分析 factor analysis (七) ：因子分析法与主成分分析的异同

4．选择m （ m≤ p）个主因子，进行因子旋转

5.计算因子得分，并进行综合评价

6. 利用综合因子得分公式计算各样本的综合得分

二例题

一因子分析的步骤

1．选择分析的变量

用定性分析和定量分析的方法选择变量，因子分析的前提条件是观测变量间有较强的相关性，因为如果变量之间无相关性或相关性较小的话，他们不会有共享因子,所以原始变量间应该有较强的相关性。

2．计算所选原始变量的相关系数矩阵

相关系数矩阵描述了原始变量之间的相关关系。可以帮助判断原始变量之间是否存在相关关系，这对因子分析是非常重要的，因为如果所选变量之间无关系，做因子分析是不恰当的。并且相关系数矩阵是估计因子结构的基础。

3．提出公共因子

这一步要确定因子求解的方法和因子的个数。需要根据研究者的设计方案或有关的经验或知识事先确定。因子个数的确定可以根据因子方差的大小。只取方差大于1(或特征值大于1)的那些因子，因为方差小于1的因子其贡献可能很小；按照因子的累计方差贡献率来确定，一般认为要达到60％才能符合要求。

4．因子旋转

通过坐标变换使每个原始变量在尽可能少的因子之间有密切的关系，这样因子解的实际意义更容易解释,并为每个潜在因子赋予有实际意义的名字。

5．计算因子得分

求出各样本的因子得分，有了因子得分值，则可以在许多分析中使用这些因子，例如以因子的得分做聚类分析的变量，做回归分析中的回归因子。

1.对原始数据进行标准化处理

2．计算相关系数矩阵R

$R=\left ( r_{ij} \right )_{p\times p}$

3．计算初等载荷矩阵

4．选择m （ m≤ p）个主因子，进行因子旋转

根据初等载荷矩阵，计算各个公共因子的贡献率，并选择m 个主因子。对提取的因子载荷矩阵进行旋转，得到矩阵 $B=\hat{A}T$ (其中 $\hat{A}$ 为A的前m列，T为正交矩阵），构造因子模型

$\left\{\begin{matrix} \tilde{x_{1}}=b_{11}F_{1}+\cdots +b_{1m}F_{m} \\ \cdots \cdots \cdots \cdots \cdots \cdots\cdots \cdots\\ \tilde{x_{p}}=b_{p1}F_{1}+\cdots +b_{pm}F_{m} \end{matrix}\right.$

5.计算因子得分，并进行综合评价

我们用回归方法求单个因子得分函数 $\large \hat{F_{j}}=b_{j1}\tilde{x_{1}} +\cdots +b_{jp}\tilde{x_{p}} ,j=1,2,...,m$

记

$\large \begin{bmatrix}b_{11} &b_{12} & ... &b_{1p} \\ b_{21} & b_{22} & ... &b_{2p} \\ \vdots & \vdots & & \vdots \\ b_{m1} & b_{m2}& ... & b_{mp} \end{bmatrix} = \begin{bmatrix} b_{1}\\ b_{2}\\ \vdots \\ b_{m} \end{bmatrix}$ ；则有 $\large \left [ b_{1}^{T} \: b_{2}^{T} ... \: b_{m}^{T}\right ] =R^{-1}A$

6. 利用综合因子得分公式计算各样本的综合得分

二例题

已知部分上市公司的数据见下表，试用因子分析法对上述企业进行综合评价。

解按上述步骤计算得旋转后的因子贡献及贡献率见表13、因子载荷阵见表14。

我们通过相关分析，在显著水平为0.05的情况下，得出赢利能力F 与资产负债率 x 之间的相关系数为-0.6987，这表明两者存在中度相关关系。因子分析法的回归方程为：F = 0.829-0.0268X

回归方程在显著性水平0.05的情况下，通过了假设检验。

计算的MATLAB程序如下：

clc,clear 
load data.txt   %把原始数据保存在纯文本文件data.txt中 
data=reshape(data,[16,5]);
 m=size(data,1); 
x=data(:,5);data=data(:,1:4),num=2; 
data=zscore(data); %数据标准化 
r=cov(data); 
[vec,val,con]=pcacov(r);  %进行主成分分析的相关计算 
val,con 
f1=repmat(sign(sum(vec)),size(vec,1),1); 
vec=vec.*f1;     %特征向量正负号转换 
f2=repmat(sqrt(val)',size(vec,1),1);  
a=vec.*f2   %载荷矩阵 
%如果指标变量多，选取的主因子个数少，可以直接使用factoran进行因子分析 
%本题中4个指标变量，选取2个主因子，factoran无法实现 
[b,t]=rotatefactors(a(:,1:num),'method', 'varimax')  %旋转变换 
bz=[b,a(:,num+1:end)]   %旋转后的载荷矩阵 
gx=sum(bz.^2)             %计算因子贡献 
gxv=gx/sum(gx)            %计算因子贡献率 
dfxsh=inv(r)*b            %计算得分函数的系数 
df=data*dfxsh           %计算各个因子的得分 
zdf=df*gxv(1:num)'/sum(gxv(1:num))        %对各因子的得分进行加权求和 
[szdf,ind]=sort(zdf,'descend')      %对企业进行排名
xianshi=[df(ind,:)';zdf(ind)';ind'] %显示计算结果 
[x_zdf_coef,p]=corrcoef([zdf,x])    %计算相关系数 
[d1,d1int,d2,d2int,stats]=regress(zdf,[ones(m,1),x]) %回归分析计算

因子分析系列博文:

因子分析 factor analysis (一 )：模型的理论推导

因子分析 factor analysis (二 ) ：因子分析模型

因子分析 factor analysis (三) ：因子载荷矩阵的估计方法

因子分析 factor analysis (四) ：因子旋转（正交变换）

因子分析 factor analysis (五) ：因子得分

因子分析 factor analysis (六) ：用因子分析法进行综合评价

因子分析 factor analysis (七) ：因子分析法与主成分分析的异同

wamg潇潇

关注

42
点赞
踩
324

收藏

觉得还不错? 一键收藏
12
评论
因子分析 factor analysis (六) ：用因子分析法进行综合评价

因子分析系列博文:因子分析 factor analysis (一 )：模型的理论推导因子分析 factor analysis (二 ) ：因子分析模型因子分析 factor analysis (三) ：因子载荷矩阵的估计方法因子分析 factor analysis (四) ：因子旋转（正交变换）因子分析 factor analysis (五) ：因子得分因子...
复制链接

扫一扫