确定性因子分析PPT课件
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
样本导出的方差协方差矩阵S:
由原始数据计算出来的关于 k个观察变量的方差协方差矩 阵。由于它不受任何条件的限制,所以称之为非限制性方 差协方差矩阵。
2021/3/7
CHENLI
9
第一节 确定性因子分析的基本原理
确定性因子分析和探索性因子分析的数学模型是一样的。但
是,它们的不同之处是,进行探索性因子分析时,总是假定
研究者对指标的内在结构以及隐含的潜在因子一无所知,或
知之甚少。因此,估计模型中的未知因子载荷 a ij 时,所有
的因子载荷都应估计,也就是说,探索性因子分析是一种非
2021/3/7
CHENLI
6
2021/3/7
确定潜在因子个数, 和每一个潜在因子影 响哪几个可测变量。
CHENLI
确定潜在因子对可 测变量的影响大小, 和潜在因子之间的 关系。
7
两种因子分析的假设条件
探索性因子分析要求寻找出的这些潜在因子是 相互独立的,有实际意义的,而且这些独立的 潜在因子尽可能多地概括了原可测变量的信息。
2021/3/7
CHENLI
20
第五节 确定性因子分析模型的可鉴别性 和自由度
确定性因子分析模型 的可鉴别性的必要条件: 对于可鉴别的模型(正好可鉴别或过分可鉴别), 一定有 c≥p 。 自由度df=c-p。 如果df<0 ,则模型一定是不可鉴别的。
2021/3/7
CHENLI
21
第六节 样本导出的与模型隐含的 方差协方差矩阵
确定性因子分析
Confirmatory Factor Analysis
流行病与卫生统计学系
2021/3/7
CHENLI
1
因子分析可分为两种:
探索性因子分析(exploratory factor analysis) 确定性因子分析(confirmatory factor analysis)
2021/3/7
2021/3/7
CHENLI
13
第二节 确定性因子分析的数学模型
一、模型 :
例如:i=4, q=2 模型:
可测变量,潜在因子,因子载荷,度量误差
2021/3/7
CHENLI
14
矩阵形式:
其中,λx 是待估计的因子载荷矩阵,ξ是潜在因子 矩阵,δ是误差项矩阵。
2021/3/7
CHENLI
15
二、假设条件
2021/3/7
CHENLI
18
解决潜在因子的单位问题有两个常用的方法:
一个方法是假定所有潜在因子的方差为 1,即,令矩阵φ 中 所有主对角线上的元素为 1。这意味着,假定潜在因子的单 位等于样本总体的标准差。
另一个最常用的也是最方便的方法是,在每一个潜在因子 所支配的几个观察变量中,选择一个作为参照变量 (reference variable),并假定该潜在因子对这个参照变量的 影响是1,即,参照变量在这个因子上的因子载荷是 1。这 就意味着潜在因子的尺度被假定为和参照变量的尺度一样。
限制性(unrestricted)的分析,其结果完全取决于已知数据。
而确定性因子分析是在探索性因子分析的基础上进行的,它
不需要估计所有的因子载荷,只需要估计特定的因子载荷,
其余的因子载荷均假定为零。
2021/3/7
CHENLI
10
例如,孩子的数学成绩(x1),孩子的语文成绩(x2),父亲 的学历(x3)和母亲的学历(x4)这四个指标变量经过探索性 因子分析得到模型如下:
确定性因子分析不要求寻找出的这些潜在因子 是相互独立的,它的目的是研究潜在因子之间 的关联性。
2021/3/7
CHENLI
8
两种因子分析的统计分析
探索性因子分析仅仅用在研究初期对原始数据 的探讨,它的结果一般不需要进行统计检验。
确定性因子分析是确定性地描述了观察变量与 潜在因子之间的关系,具有有效的实际意义, 因此需要进行统计检验。
2021/3/7
CHENLI
19
参照变量的选取方法:
参照变量可以任意选取,也可以选择代表性最强的指标, 即在探索性因子分析中,因子载荷最大的指标。
对于单指标潜在因子,可以假定其因子载荷等于1,即假 定误差等于0,或误差是接近于0的一个很小的数。
这两种解决潜在因子单位 的方法都等价于增加了模 型的限制条件,从而减少 了未知参数的个数 。
CHENLI
2
什么是探索性因子分析? 探索性因子分析是去探讨一组可测变量的特征, 性质和内部的关联性,并揭示有多少主要的潜 在因子可能影响这些可测变量。
2021/3/7
CHENLI
3
何时使用探索性因子分析?
如果所进行的一项研究涉及到很多的可测变量, 而且在研究之前,并不清楚有哪些可能的潜在 因子会影响这些可测变量,这时可作探索性因 子分析。
(1) x i 是随机变量; (2) δi 是均值为 0,方差为常数的正态随机变量; (3) δi 之间相互独立; (4) δi 与所有的ξj 独立;
探索性因子分析的假设条件:(1) - (4)相同, (5) ξi 是方差为1的随机变量,且ξi 之间相互独立。
2021/3/7
CHEຫໍສະໝຸດ BaiduLI
16
第三节 确定性因子分析模型的基本要素
2021/3/7
CHENLI
11
非限制性的(unrestricted)
限制性的(restricted)
2021/3/7
CHENLI
12
确定性因子分析的基本原理
确定性因子分析的基本原理就是对一个特定的因子分 析模型进行分析,分析的过程就是用数据去证实(统计 检验)这个特定的因子分析模型是否成立,并且估计潜 在因子之间的相关系数。
2021/3/7
CHENLI
4
什么是确定性因子分析? 确定性因子分析是在探索性因子分析的基 础上进一步确定每一个潜在因子对可测变 量的影响程度,以及了解这些潜在因子之 间的关联程度。
2021/3/7
CHENLI
5
何时使用确定性因子分析?
如果根据以往的经验或根据探索性因子分析的 结果已经清楚哪些可测变量可能被那一个潜在 因子所影响,而只需进一步确定每一个潜在因 子对可测变量的影响程度,以及了解这些潜在 因子之间的关联程度,这时可用确定性因子分 析。
基本矩阵:λx ,φ和θδ
2021/3/7
CHENLI
17
第四节 潜在因子的尺度问题
任何一个观察变量都是有尺度(scales) 的,即有原点 (origin)和单位 (unit)。
潜在因子是没有尺度的,即,没有原点和单位。
为了使得潜在因子之间具有可比性,必须给每一个潜 在因子定义它的原点和单位。
只要将原始数据标准化, 潜在因子的原点问题就得以 解决。
由原始数据计算出来的关于 k个观察变量的方差协方差矩 阵。由于它不受任何条件的限制,所以称之为非限制性方 差协方差矩阵。
2021/3/7
CHENLI
9
第一节 确定性因子分析的基本原理
确定性因子分析和探索性因子分析的数学模型是一样的。但
是,它们的不同之处是,进行探索性因子分析时,总是假定
研究者对指标的内在结构以及隐含的潜在因子一无所知,或
知之甚少。因此,估计模型中的未知因子载荷 a ij 时,所有
的因子载荷都应估计,也就是说,探索性因子分析是一种非
2021/3/7
CHENLI
6
2021/3/7
确定潜在因子个数, 和每一个潜在因子影 响哪几个可测变量。
CHENLI
确定潜在因子对可 测变量的影响大小, 和潜在因子之间的 关系。
7
两种因子分析的假设条件
探索性因子分析要求寻找出的这些潜在因子是 相互独立的,有实际意义的,而且这些独立的 潜在因子尽可能多地概括了原可测变量的信息。
2021/3/7
CHENLI
20
第五节 确定性因子分析模型的可鉴别性 和自由度
确定性因子分析模型 的可鉴别性的必要条件: 对于可鉴别的模型(正好可鉴别或过分可鉴别), 一定有 c≥p 。 自由度df=c-p。 如果df<0 ,则模型一定是不可鉴别的。
2021/3/7
CHENLI
21
第六节 样本导出的与模型隐含的 方差协方差矩阵
确定性因子分析
Confirmatory Factor Analysis
流行病与卫生统计学系
2021/3/7
CHENLI
1
因子分析可分为两种:
探索性因子分析(exploratory factor analysis) 确定性因子分析(confirmatory factor analysis)
2021/3/7
2021/3/7
CHENLI
13
第二节 确定性因子分析的数学模型
一、模型 :
例如:i=4, q=2 模型:
可测变量,潜在因子,因子载荷,度量误差
2021/3/7
CHENLI
14
矩阵形式:
其中,λx 是待估计的因子载荷矩阵,ξ是潜在因子 矩阵,δ是误差项矩阵。
2021/3/7
CHENLI
15
二、假设条件
2021/3/7
CHENLI
18
解决潜在因子的单位问题有两个常用的方法:
一个方法是假定所有潜在因子的方差为 1,即,令矩阵φ 中 所有主对角线上的元素为 1。这意味着,假定潜在因子的单 位等于样本总体的标准差。
另一个最常用的也是最方便的方法是,在每一个潜在因子 所支配的几个观察变量中,选择一个作为参照变量 (reference variable),并假定该潜在因子对这个参照变量的 影响是1,即,参照变量在这个因子上的因子载荷是 1。这 就意味着潜在因子的尺度被假定为和参照变量的尺度一样。
限制性(unrestricted)的分析,其结果完全取决于已知数据。
而确定性因子分析是在探索性因子分析的基础上进行的,它
不需要估计所有的因子载荷,只需要估计特定的因子载荷,
其余的因子载荷均假定为零。
2021/3/7
CHENLI
10
例如,孩子的数学成绩(x1),孩子的语文成绩(x2),父亲 的学历(x3)和母亲的学历(x4)这四个指标变量经过探索性 因子分析得到模型如下:
确定性因子分析不要求寻找出的这些潜在因子 是相互独立的,它的目的是研究潜在因子之间 的关联性。
2021/3/7
CHENLI
8
两种因子分析的统计分析
探索性因子分析仅仅用在研究初期对原始数据 的探讨,它的结果一般不需要进行统计检验。
确定性因子分析是确定性地描述了观察变量与 潜在因子之间的关系,具有有效的实际意义, 因此需要进行统计检验。
2021/3/7
CHENLI
19
参照变量的选取方法:
参照变量可以任意选取,也可以选择代表性最强的指标, 即在探索性因子分析中,因子载荷最大的指标。
对于单指标潜在因子,可以假定其因子载荷等于1,即假 定误差等于0,或误差是接近于0的一个很小的数。
这两种解决潜在因子单位 的方法都等价于增加了模 型的限制条件,从而减少 了未知参数的个数 。
CHENLI
2
什么是探索性因子分析? 探索性因子分析是去探讨一组可测变量的特征, 性质和内部的关联性,并揭示有多少主要的潜 在因子可能影响这些可测变量。
2021/3/7
CHENLI
3
何时使用探索性因子分析?
如果所进行的一项研究涉及到很多的可测变量, 而且在研究之前,并不清楚有哪些可能的潜在 因子会影响这些可测变量,这时可作探索性因 子分析。
(1) x i 是随机变量; (2) δi 是均值为 0,方差为常数的正态随机变量; (3) δi 之间相互独立; (4) δi 与所有的ξj 独立;
探索性因子分析的假设条件:(1) - (4)相同, (5) ξi 是方差为1的随机变量,且ξi 之间相互独立。
2021/3/7
CHEຫໍສະໝຸດ BaiduLI
16
第三节 确定性因子分析模型的基本要素
2021/3/7
CHENLI
11
非限制性的(unrestricted)
限制性的(restricted)
2021/3/7
CHENLI
12
确定性因子分析的基本原理
确定性因子分析的基本原理就是对一个特定的因子分 析模型进行分析,分析的过程就是用数据去证实(统计 检验)这个特定的因子分析模型是否成立,并且估计潜 在因子之间的相关系数。
2021/3/7
CHENLI
4
什么是确定性因子分析? 确定性因子分析是在探索性因子分析的基 础上进一步确定每一个潜在因子对可测变 量的影响程度,以及了解这些潜在因子之 间的关联程度。
2021/3/7
CHENLI
5
何时使用确定性因子分析?
如果根据以往的经验或根据探索性因子分析的 结果已经清楚哪些可测变量可能被那一个潜在 因子所影响,而只需进一步确定每一个潜在因 子对可测变量的影响程度,以及了解这些潜在 因子之间的关联程度,这时可用确定性因子分 析。
基本矩阵:λx ,φ和θδ
2021/3/7
CHENLI
17
第四节 潜在因子的尺度问题
任何一个观察变量都是有尺度(scales) 的,即有原点 (origin)和单位 (unit)。
潜在因子是没有尺度的,即,没有原点和单位。
为了使得潜在因子之间具有可比性,必须给每一个潜 在因子定义它的原点和单位。
只要将原始数据标准化, 潜在因子的原点问题就得以 解决。