?/p>
1
?/p>
实验课:因子分析
实验目的
理解主成?/p>
(因子)
分析的基本原理,
熟悉并掌?/p>
SPSS
中的主成?/p>
(因子)
分析方法及其主要应用?/p>
因子分析
一?/p>
?/p>
础理论知识
1
概念
因子分析
?/p>
Factor analysis
?/p>
:就是用少数几个因子来描述许多指标或因素之间的联系,
以较少几个因子来反映原资料的大部分信息的统计学分析方法?/p>
从数学角度来看,
主成分分
析是一种化繁为简的降维处理技术?/p>
主成分分?/p>
?/p>
Principal
component
analysis
?/p>
:是因子分析的一个特例,是使用最多的?/p>
子提取方法。它通过坐标变换手段?/p>
将原有的多个相关变量?/p>
做线性变化,
转换为另外一?/p>
不相关的变量?/p>
选取前面几个方差最大的主成分,
这样达到了因子分析较少变量个数的目的?/p>
同时又能与较少的变量反映原有变量的绝大部分的信息?/p>
两者关?/p>
:主成分分析?/p>
PCA
)和因子分析?/p>
FA
?/p>
是两种把变量维数降低以便于描述?/p>
理解和分析的方法,而实际上
主成分分析可以说是因子分析的一个特?/p>
?/p>
2
特点
?/p>
1
)因子变量的
数量远少于原有的指标变量的数?/p>
,因而对因子变量的分析能够减?/p>
分析中的工作量?/p>
?/p>
2
)因子变量不是对原始变量的取舍,而是根据原始变量的信息进行重新组构,它能
够反映原有变量大部分的信息?/p>
?/p>
3
)因子变量之间不存在显著的线性相关关系,对变量的分析比较方便,但原始部分
变量之间多存在较显著的相关关系?/p>
?/p>
4
)因
子变量具有命名解?/p>
性,即该变量是对某些原始变量信息的综合和反映?/p>
在保证数据信息丢失最少的原则下,
对高维变量空间进行降维处?/p>
(即通过因子分析?/p>
主成分分析)
。显然,在一个低维空间解释系统要比在高维系统容易的多?/p>