因子分析vs主成分分析

前两篇文章介绍了因子分析与主成分分析的原理与基本步骤。初次学习时，大家可能感觉这是两个基本相同的方法，但实际上两者间还是有一定差异的。这篇文章就带大家盘点一下两个方法间的异同。

目的

• 因子分析：旨在识别观测变量背后的潜在因素或结构，这些因素是不可观测的。它通常用于探索性数据分析，以发现变量之间的潜在关系。

• 主成分分析：主要用于数据降维，将原始变量转换为较少数量的主成分，这些主成分是原始变量的线性组合。它不涉及潜在变量的概念。

方法

• 因子分析：

  • 考虑变量之间的相关性，通过最小化残差来提取因子。
  • 通常使用最大似然法、最小二乘法或因子载荷估计等方法。
  • 因子载荷是观测变量与潜在因子之间的相关系数。

• 主成分分析：

  • 考虑变量的方差，寻找能够解释最大方差的线性组合。
  • 使用特征值分解或奇异值分解等方法。
  • 主成分是原始变量的加权线性组合，权重由特征向量给出。

应用

• 因子分析：

  • 常用于社会科学、心理学和市场研究等领域，用于探索变量之间的潜在结构和关系。

• 主成分分析：

  • 广泛应用于数据预处理、图像压缩、金融风险管理等领域，用于减少数据集的维度。

假设

• 因子分析：

  • 假设变量的相关性是由较少数量的潜在因子引起的。
  • 因子通常是随机的，具有特定的分布。

• 主成分分析：

  • 假设变量之间的相关性可以通过线性组合来解释。
  • 主成分是确定性的，不涉及随机性。

因子与主成分的区别

• 因子：是潜在的、不可观测的变量，通常具有特定的解释性。

• 主成分：是原始变量的线性组合，是可观测的，主要用于数据降维。

举例

到此都是一些教科书式的解释，下面举一个简单的例子方便大家理解。
假设场景
假设我们是一家健康研究机构，收集了一组关于100名志愿者的以下数据：

• 年龄（Age）
• 体重（Weight）
• 身高（Height）
• 血压（Blood Pressure）
• 胆固醇水平（Cholesterol）
  我们的目标是探索这些变量之间的关系，并简化数据结构。

---

主成分分析（PCA）

目标：PCA旨在降维，找到数据中方差最大的方向，即主成分。
步骤：

1. 标准化数据：因为变量的量纲不同，首先对数据进行标准化。
2. 计算协方差矩阵：找到变量间的关系。
3. 特征值分解：找到协方差矩阵的特征向量和特征值，特征向量决定了主成分的方向，特征值决定了主成分解释的方差比例。
4. 选择主成分：通常选择前几个特征值较大的主成分。

结果：

• 第一主成分可能与体重和身高高度相关，因为这两个变量通常在体型描述中变化最大。
• 第二主成分可能与血压和胆固醇相关，因为它们可能共同反映了心血管健康。

解释：

• PCA找到的是数据中方差最大的方向，而不是变量背后的潜在因素。

---

因子分析
目标：因子分析旨在识别观测变量背后的潜在因素或结构。
步骤：

1. 数据标准化：同样需要对数据进行标准化。
2. 计算相关性矩阵：分析变量之间的相关性。
3. 提取因子：通过因子提取方法（如极大似然法）找到因子载荷，即每个变量与每个因子的关系。
4. 因子旋转：为了更易于解释，可能需要对因子进行旋转（如Varimax）。
5. 解释因子：为每个因子赋予一个有意义的名称，如“身体健康”。

结果：

• 第一个因子可能被解释为“身体健康”，因为它与体重、身高、血压和胆固醇都有较高的载荷。
• 第二个因子可能与“年龄”相关，因为随着年龄的增长，体重、血压和胆固醇可能会发生变化。

解释：

• 因子分析关注的是变量背后的潜在因素，而不是单纯的方差解释。

通过这个例子，我们可以看到PCA和因子分析在处理相同数据集时的不同视角和应用。PCA更注重数据的方差解释和降维，而因子分析更注重揭示数据的潜在结构和内在联系。

总结

因子分析和主成分分析虽然都可以用于降维，但它们的目标和方法不同。因子分析更侧重于探索数据的潜在结构，而主成分分析更侧重于数据的方差解释。在实际应用中，选择哪种方法取决于分析的目的和数据的特性。