数学建模常用模型14 ：因子分析

给大家安利一款朋友开发的自研国产数据分析基础工具，一键式自动分析，自动生成分析模板，5分钟掌握主流61个统计类数学模型（几乎涵盖SPSS绝大部分功能），以及23个有监督机器学习（包括随机森林，SVM，XGBoost等）

PS：巨方便简单上手，貌似现在是免费

官网：www.mpaidata.com   mpai数据科学平台

 

 

因子分析可以看作是主成分分析的一个扩充，因子分析在数学建模中使用的没有主成分分析那么多。关于因子分析和主成分分析的区别可以看一下司守奎老师的“因子分析”那个章节。一开始就有介绍区别。

因子分析

1）主成分分析法：

例5 研究纽约股票市场上五种股票的周回升率。这里，周回升率＝（本星期五市场收盘价－上星期五市场收盘价）/上星期五市场收盘价。从1975年1月到1976年12月，对这五种股票作了100组独立观测。因为随着一般经济状况的变化，股票有集聚的趋势，因此，不同股票周末回升率是彼此相关的。

相关系数矩阵：

                                            

对m=1和m=2，因子分析主成分解见下表。

变量	一个因子		两个因子
	因子载荷估计	特殊方差	因子载荷估计		特殊方差
1	0.7836	0.3860	0.7836	-0.2162	0.3393
2	0.7726	0.4031	0.7726	-0.4581	0.1932
3	0.7947	0.3685	0.7947	-0.2343	0.3136
4	0.7123	0.4926	0.7123	0.4729	0.2690
5	0.7119	0.4931	0.7119	0.5235	0.2191
累积贡献	0.571342		0.571342	0.733175

对m=2，残差矩阵为

                             

第一个因子F1代表了一般经济条件，称为市场因子，所有股票在这个因子上的载

荷都比较大，且大致相等，第二个因子是化学股和石油股的一个对照，两者分别有比较大的负、正载荷。可见F2使不同的工业部门的股票产生差异，通常称之为工业因子。归纳起来，我们有如下结论：股票回升率由一般经济条件、工业部门活动和各公司本身特殊活动三部分决定。

MATLAB源代码：

 

clc,clear
r=[1.000 0.577 0.509 0.387 0.462
0.577 1.000 0.599 0.389 0.322
0.509 0.599 1.000 0.436 0.426
0.387 0.389 0.436 1.000 0.523
0.462 0.322 0.426 0.523 1.000];
%下面利用相关系数矩阵求主成分解，val的列为r的特征向量，即主成分的系数
[vec,val,con]=pcacov(r);%val为r的特征值，con为各个主成分的贡献率
f1=repmat(sign(sum(vec)),size(vec,1),1); %构造与vec同维数的元素为±1的矩阵
vec=vec.*f1; %修改特征向量的正负号，每个特征向量乘以所有分量和的符号函数值
f2=repmat(sqrt(val)',size(vec,1),1);
a=vec.*f2 %构造全部因子的载荷矩阵
a1=a(:,1) %提出一个因子的载荷矩阵
tcha1=diag(r-a1*a1') %计算一个因子的特殊方差
a2=a(:,[1,2]) %提出两个因子的载荷矩阵
tcha2=diag(r-a2*a2') %计算两个因子的特殊方差
cc