因子分析与主成分分析的区别:
主成分分析,通过线性组合,将原变量综合成几个主成分
因子分析,通过构筑若干意义较为明确的公因子
主成分分析——"变异数"导向
因子分析——"共变异数"导向
联系: 因子分析是主成分分析的推广
- 特点:
- 因子变量数远小于原变量数
- 因子变量是一种新的综合
- 因子变量之间没有相关关系
- 因子变量具有明确的 解释性
- 用途
- 减少变量个数
- 探测变量关系、变量分类
- 基本思想:
- 将相关性较高的分在同一类中,每一类代表一个基本结构,即公因子
- 用少数不可测的公共因子函数来描述原观测分量的每一部分
- 样品间Q型,变量间R型
- 极大似然估计法 factanal()
- 因子载荷,x与F的相关系数,表示x对F对依赖程度
- 因子载荷及旋转
- 主因子估计法
- 因子载荷
- 依赖程度
- 方差贡献
- 共同度
- 旋转目的
- 寻找每个主因子的实际意义
- 主因子典型代表变量不突出,需要旋转
- 使因子载荷矩阵中载荷的绝对值向1和0 方向分化
- 旋转方法
- 正交旋转
- 斜交旋转
- 因子得分及评价
- 因子得分函数
- 计算方法
- 回归估计法——方差齐性
- Bartlett估计法
- 因子分析基本步骤
- 核心问题:
- 如何构造因子
- 如何解释因子
- 1、确认数据是否适合作因子分析——KMO、Bartlett's
- 2、构造因子变量
- 3、旋转因子使其更具可解释性
- 4、计算因子得分并做因子图
- 核心问题: