多元统计分析R语言建模| 9 因子分析

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