第6章因子分析
06 第六章 R-Q型因子分析
X = nW
于是有
（6.24）
F=
nWU
∧−1 2
=
nF R
∧−1 2
即
（6.24）
FR =
1
F
∧−1 2
n
（6.25）
其中各记号同前文一致。 现在用图 4-9 中汇水盆地的样本为例说明R-Q型因子分析的计算与应用。由样本中 25
个样品 6 个变量作R型因子分析后得因子负载矩阵A于表 5-2。它就是R-Q型因子分析中要求 的R型负载AR。表 5-2 对应的R型因子得分矩阵F列表 5-3，由（6.25）式可求得R-Q型因子分 析中要求的Q型的负载AQ=FR，所得结果列于表 6-1。
三、R-Q 型因子分析的图示
矩阵AR和AQ都是p列的，这意味着m维变量空间和n维样品空间样品都可用一p维因子空
3
间代替，因为p＜＜min(n，m)，故原始空间维数约简了许多。 由于下面的关系成立
AR ARΤ = W ΤW
AQ AQΤ = WW Τ
可见，变量间关系完全保留在ARARΤ中，样品间关系完全保留在AQAQΤ中。
一、R-Q 型因子分析的相似性矩阵
我们考虑用相关系数作为变量间相似性的度量，用欧氏距离作为样品间的相似性度量，并
以此建立起变量间相似性矩阵与样品间相似性矩阵的联系。设原始数据矩阵为如下的形式：
Xn×m=(xij)n×m 其中xij为样品i变量j的观测值；并对数据作如下变换，即类似与标准化变换：
（6.1）
n
j =1
j =1
∑ (xij − x j )2
i =1
(6.8)
∑m
=
(xkj − xLj ) 2
n
= hkk + hLL − 2hkL
第六章 因子分析
因此：因子也是综合变量；因子具有更 明确的指标意义；具有不同意义的因子 便于揭示事物变化的内在结构；提取少 量重要因子可以达到降维和简化分析的 作用。
（二）因子分析的一般模型：
令因子为 F(factor)，当我们研究 m 个因子对实 际问题的影响时可以建立因子模型，即
X i ai1F1 ai 2 F2 aim Fm + i 。 其中的 F 是对所有
（三）基本思想：
基于对因子的认识，因子分析的基本思想就是通过变 量（或样品）的相关系数矩阵（或相似系数矩阵）内 部结构的研究，找出能控制所有变量（或样品）的少 数几个随机变量去描述多个变量（或样品）之间的相 关（或）相似关系。在分解原始变量的基础上，从中 归纳出潜在的“类别”，相关性较强的变量归为一类， 不同类间变量的相关性则较低。从而实现因子分析的 两个目的：一简化分析，二将原变量分类，对公因子 的意义作出合理可信的解释。
而进行因子分析的起点就是因子模型，我们通 过估计因子模型中的参数即因子负荷和方差对 各因子的重要程度进行衡量，并利用因子负荷 矩阵所体现的各变量或样品之间的相关程度提 取出具有明确意义的公因子F，赋予其有实际 背景的解释进而给以命名，从而达到降维和分 类的目的。
三、因子分析的数学原理。
因R型因子分析应用广泛，故本章的解释均是 以R型因子分析为对象。 （一）正交因子模型： 因子分析的一般模型为：
X 1 a11F1 a12 F2 a1m Fm 1 X 2 a21F1 a22 F2 a2 m Fm 2 X p a p1F1 a p 2 F2 a pm Fm p
i
可将上式写成简单的矩阵形式
多元统计分析期末复习
第一章、多元正态分布的参数估计二、判断题1.多元分布函数F (x )是单调不减函数，而且是右连续的。
（√）2.设X 是p 维随机向量，则X 服从多元正态分布的充要条件是：它的任何组合α'X (α∈R p )都是一元正态分布。
（X）3.μ是一个P 维的均值向量，当A、B 为常数矩阵时，具有如下性质：（1）E（AX）=AE（X）（2）E（AXB）=AE（X）B （√）4．若P 个随机变量X1，…XP 的联合分布等于各自边缘分布的乘积，则称X1，…XP 是相互独立的。
（√）5．一般情况下，对任何随机向量是正定阵。
（X ）'X =(X 1, ,X p )，协差阵∑是对称阵，也6．多元正态向量的任意线性变换仍然服从多元正态分布。
（√）7．多元正态分布的任何边缘分布为正态分布，反之一样。
（ X ）8．多元样本中，不同样品之间的观测值一定是相互独立的。
（√）9．多元正态总体参数均值μ的估计量X 具有无偏性、有效性和一致性。
（√）1S n 10．是∑的无偏估计。
（ X ）2χ11.Wishart 分布是分布在p 维正态情况下的推广。
（√）'X =(X 1, ,X p )12.若n X (α)~N p (μ,∑)，α=1, ,n ，且相互独立，则样本离差阵(X (α)-X )'~W p(n -1,∑)S =∑(X (α)-X )α=1。
（√）13．若X ~W p (n ,∑)C CXC '~W p(n ,c ∑c ')，为奇异矩阵，则。
（ X ）第二章多元正态分布均值向量和协差阵的检验二、判断题1．设X ~N p (μ,∑)，S ~W p(n ,∑)，n ≥p ，则称统计量T 2=nX 'S -1X 的分布为非中心HotellingT 2分布，记为T 2~T 2(p ,n ,μ)。
（ X ）12．在协差阵∑未知的情况下对均值向量进行检验，需要用样本协差阵S 去代n替∑。
第六章 温度因子分析
不同生态系统生产力
化，形成与此相应的植物发育节律，称为物候。 • 植物发芽、生长、现蕾、开花、结实、落叶、 休
眠等生长发育阶段的开始和结束称为物候期。 • 植物物候具有稳定性，可以用来指导林业生产。
影响物候的因素
• 纬度、经度和海拔 • 霍普金斯通过研究发现： • 在北美洲温带，每向北移动纬度1度，或向
东移动经度5度，或海拔上升124m，植物 在春天和初夏 物候会延迟4天。这一规律称 为霍普金斯定律。 • 南京和北京，纬度相差6度，桃、李开花 间 差19天；但到4、5月间，两地物候相差9天。
二、关于温度的一些生态概念
• （一）三基点温度 • 最适温度：生物生长发育或生理活动得以
正常进行的温度范围。 • 最低温度和最高温度：植物生长发育和生
理活动的低温和高温限度。 • 合称为三基点温度。
• （二）积温： 积温既能说明某一地区的热 量条件，又能说明生物各生长发育阶段或 整个生长期所需要的热量条件。
• *昼夜变温与种子萌发
•
有一些植物的种子在变温下萌发良好。
低温有利于增加氧在细胞中的溶解度；提
高透性。
• 昼夜变温与生长发育 • 较低的夜温和适宜的昼温对植物生长、开花、结
实和物质的贮藏有利。 • 云南松林：1000m 3/ha。 • 波密云杉林：2000m 3/ha。 • （二）物候 • 季节明显地区，植物适应于气候条件的节律性 变
第6章 主成分分析
第6章主成分分析与因子分析6.1主成分分析数学模型当存在若干个随机变量时，寻求它们的少量线性组合（即主成分），用以解释这些随机 变量，是很必要的。
首先我们看一个例子。
例6.1 为了调查学生的身材状况，可以测量他们的身高(X1)、体重(X2)、胸围(X3)和坐高(X4)。
可是用这4个指标表达学生身材状况不方便。
但若用 y1=3.6356x1+3.3242x2+2.4770x3+2.1650x4表示学生身体魁梧程度;用y2=-3.9739x1+1.3582x2+3.7323x3-1.5729x4表示学生胖瘦程度。
则这两个指标(Y1,Y2)很好概括了4个指标（X1-X4）。
例6.1中，学生不同，身高(X1)、体重(X2)、胸围(X3)和坐高(X4)不同；X1,X2,X3,X4是4维随机向量；Y1,Y2是他们的2个线性组合，Y1,Y2能很好表示X1,X2,X3,X4的特性。
类似的问题在许多地方出现：可观测的随机变量很多,需要选出所有所有随机变量的少数线性组合，使之尽可能刻划全部随机变量的特性，选出的线性组合就是诸多变量的主成分，又称为主分量。
寻求随机向量主成分，并加以解释，称为主成分分析，又称为主分量分析。
主成分分析的数学模型是：对于随机向量X ，想用它分量的线性组合X c '反映随机向 量X 的主要信息。
也即)'(X c D 应当最大。
但是c 的模可以无限增大，从而使)'(X c D 无限变大，这是我们不希望的；于是固定c 模的大小，而改变c 各分量的比例，使)'(X c D 最 大；通常取c 的模为1最方便。
定义6.1 设随机向量)',...(1p x x X =二阶矩存在，若常数向量1c ，在条件c ＝1下使)'(X c D 最大，则称X c Y '11=是X 的第一主成分或第一主分量。
由定义可见，1Y 尽可能多地反映原来p 个随机变量变化的信息。
第六章 因子分析
9
寻找基本结构
在多元统计中，经常遇到诸多变量之间存在强相关的问题，它 会对分析带来许多困难。通过因子分析，可以找出几个较少的有实
际意义的因子，反映出原来数据的基本结构。
例如：调查汽车配件的价格中，通过因子分析从 20 个指标中概 括出原材料供应商、配件厂商、新进入者、后市场零部件厂商、整 车厂和消费者6个基本指标。从而找出对企业配件价格起决定性作用 的几个指标。
本包含了原来变量的所有信息。
12
主成分分析的数学模型
13
主成分分析与因子分析公式上的区别
y1 a11 x1 a12 x2 a1 p x p
主成分分析
y2 a21 x1 a22 x2 a2 p x p y p a p1 x1 a p 2 x2 a pp x p
由于umn为随机向量X的相关矩阵的特征值对 应的特征向量的分量，特征向量之间彼此正交， 实际上从X到F的转换关系是可逆的，即：
x1 11 F1 21 F2 p1 Fp x2 12 F1 22 F2 p 2 Fp x F F F 1p 1 2p 2 pp p p
1、因子分析的核心：用较少的、相互独立的因 子反映原有变量的绝大部分信息。 因子分析的数学模型：设有p个变量，每个变量 的均值为0，标准差为1。将每个原有变量用k个 （k<p）因子f1,f2,…,fk 的线性组合表示，即
x1 a11 f1 a12 f 2 a1k f k 1 x2 a21 f1 a22 f 2 a2 k f k 2 x p a p1 f1 a p 2 f 2 a pk f k p
多元统计分析陈钰芬课后答案
多元统计分析陈钰芬课后答案第1章多元正态分布1、在数据处理时，为什么通常要进行标准化处理？第1章多元正态分布1、在数据处理时，为什么通常要进行标准化处理？数据的标准化是将数据按比例缩放，使之落入一个小的特定区间。
在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。
其中最典型的就是0-1标准化和Z标准化。
2、欧氏距离与马氏距离的优缺点是什么？欧氏距离也称欧几里得度量、欧几里得度量，是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。
在二维和三维空间中的欧氏距离的就是两点之间的距离。
缺点：就大部分统计问题而言，欧氏距离是不能令人满意的。
每个坐标对欧氏距离的贡献是同等的。
当坐标表示测量值时，它们往往带有大小不等的随机波动，在这种情况下，合理的方法是对坐标加权，使变化较大的坐标比变化较小的坐标有较小的权系数，这就产生了各种距离。
当各个分量为不同性质的量时，“距离”的大小与指标的单位有关。
它将样品的不同属性之间的差别等同看待，这一点有时不能满足实际要求。
没有考虑到总体变异对距离远近的影响。
马氏距离表示数据的协方差距离。
为两个服从同一分布并且其协方差矩阵为Σ的随机变量与的差异程度:如果协方差矩阵为单位矩阵,那么马氏距离就简化为欧氏距离,如果协方差矩阵为对角阵,则其也可称为正规化的欧氏距离。
优点：它不受量纲的影响，两点之间的马氏距离与原始数据的测量单位无关。
由标准化数据和中心化数据计算出的二点之间的马氏距离相同。
马氏距离还可以排除变量之间的相关性的干扰。
缺点：夸大了变化微小的变量的作用。
受协方差矩阵不稳定的影响，马氏距离并不总是能顺利计算出。
3、当变量X1和X2方向上的变差相等，且与互相独立时，采用欧氏距离与统计距离是否一致？统计距离区别于欧式距离，此距离要依赖样本的方差和协方差，能够体现各变量在变差大小上的不同，以及优势存在的相关性，还要求距离与各变量所用的单位无关。
环境统计学环境因子分析ppt课件
环境多元线性回归分析
最小二乘法 SPSS求解
环境系统聚类分析 聚类要素的显数著据性处检理验 距离的计算环境应用
聚类分析常用方法
环境判别分析 距 Fis离he判r判别别法S环P法境SS应求用解
环境主成分分析Bayes主判成别分法分析概述 主成分分析计算原理
人工神经网络
主成分分析性质 SPSS求解和环境应用
表明，十项得分基本上可归结于他们的 短跑速度，爆发性臂力、爆发性腿力和耐力， 每一方面都称为一个因子。
20
因子模型
100米跑 a11短跑速度 a12爆发性臂力 a13爆发性腿力 a14耐力1 跳远 a21短跑速度 a22爆发性臂力 a23爆发性腿力 a24耐力2 铅球 a31短跑速度 a32爆发性臂力 a33爆发性腿力 a34耐力3
1500米
a 短跑速度 a 爆发性臂力 a 爆发性腿力 a 耐力 10，1
短1跑0，速2 度 11x1s 12 x2s 1，1100x，130s
10，4
10
爆发性臂力 21x1s 22 x2s x 2，10 10s
爆发性腿力 31x1s 32 x2s x 3，10 10s
主成分分析的一般目的：
国民经
消费资料 净增库存
人口
生产指数
外贸盈余
变量的降维
主成分的解释
国民经济指标
总收入F1 总收入变化率F2 经济发展趋势F3
17个变量
3个变量
15
主成分分析例子
样本 x1 x2
COD BOD 氨氮 SS 浊度 pH 色度
16
因子分析：潜在的假想变量和随机影响变量的线 性组合表示原始变量。
因子分析(factor analysis)也是一种降维、简化数据的 技术。它通过研究众多变量之间的内部依赖关系， 探求观测数据中的基本结构，并用少数几个“抽象” 的变量来表示其基本的数据结构。这几个抽象的变 量被称作“因子”，能反映原来众多变量的主要信 息。原始的变量是可观测的显在变量，而因子一般 是不可观测的潜在变量。
因子分析在STATA中实现和案例
第13章因子分析因子分析始于1904年Chars Spearman对学生成绩的分析，在经济领域有着极为广泛的用途。
在多个变量的变化过程中，除了一些特定因素之外，还受到一些共同因素的影响。
因此，每个变量可以拆分成两部分，一是共同因素，二是特殊因素。
这些共同因素称为公因子，特殊因素称为特殊因子。
因子分析即是提出多个变量的公共影响因子的一种多元统计方法，它是主成分分析的推广。
因子分析主要解决两类问题：一是寻求基本结构，简化观察系统。
给定一组变量或观察数据，是否存在一个子集，特别是一个加权子集，来解释整个问题，即将为数众多的变量减少为几个新的因子，以再现它们之间的内在联系。
二是用于分类，将变量或样本进行分类，根据因子得分值，在因子轴所构成的空间中进行分类处理。
p个变量X的因子模型表达式为：f称为公因子，Λ称为因子载荷。
X的相关系数矩阵分解为：对于未旋转的因子，1Φ。
ψ称为特殊度，即每个变量中不属于共性的部=分。
13.1 因子估计Stata可以通过变量进行因子分析，也可以通过矩阵进行。
命令为factor 或factormat。
webuse bg2,cleardescribefactor bg2cost1-bg2cost6factor bg2cost1-bg2cost6, factors(2)* pf 主因子方法，用复相关系数的平方作为因子载荷的估计量(默认选项)factor bg2cost1-bg2cost6, factors(2) pcf* pcf 主成分因子，假定共同度＝1factor bg2cost1-bg2cost6, factors(2) ipf* ipf 迭代主因子，重复估计共同度factor bg2cost1-bg2cost6, factors(2) ml* ml 极大似然因子，假定变量（至少3个）服从多元正态分布，对偏相关矩阵的行列式进行最优化求解，等价于Rao的典型因子方法13.2 预测Stata可以通过predict预测变量得分、拟合值和残差等。
《应用多元统计分析》各章作业题及部分参考答案
60.6
16.5
2 76
58.1
12.5
3 92
63.2
14.5
4 81
59.0
14.0
5 81
60.8
15.5
6 84
59.5
14.0
解：作如下假设 H0 : μ = μ0 , H1 : μ ≠ μ0
经计算，求的样本均值向量 x = (82.0, 60.2,14.5) ' ，x − μ0 = (−8, 2.2, −1.5) ' ，样本协差阵
x2
+
1 2
x3
+
1 2
x4 。
（2）第一主成分的贡献率为
λ1
+
λ2
λ1 +
λ3
+ λ4
= 1+ 3ρ 4
≥ 95% ，得 ρ
≥ 0.933 。
第 7 章 因子分析
1、设 x = (x1, x2 , x3 )′ 的相关系数矩阵通过因子分析分解为
⎛ ⎜
1
⎜
R
=
⎜ ⎜
−1 3
⎜ ⎜⎜⎝
2 3
−1 3 1
54.58
11.67
产品净值率 10.7
6.2
21.41
11.67
7.90
2、 设 G1, G2 , G3 三个组，欲判别某样品 x0 属于何组，已知 p1 = 0.05, p2 = 0.65, p3 = 0.3,
应用多元统计分析
pofeel@
3
f1 (x0 ) = 0.10, f2 (x0 ) = 0.63, f3 (x0 ) = 2.4 ，假定误判代价矩阵为：
⎢⎣ 4.5 ⎥⎦
统计学课后题
统计学课后题第二章均值向量和协方差阵的检验1、试谈willks统计量在多元方差分析中的重要意义。
2、形象分析的基本思路是什么？形象又称轮廓图，是将总体样本的均值绘制到同一坐标轴里所得的折线图，每一个指标都表示为折线图上的一点。
形象分析是将两总体的形象绘制到同一个坐标下，根据形象的形状对总体的均值进行比较分析。
第三章聚类分析1、聚类分析的基本思想和功能是什么？聚类分析的核心思想是根据具体的指标对所研究的个体或者对象进行分类，使得同一类中的对象之间的相似性比其他类的对象的相似性更强。
聚类分析不仅可以用来对样品进行分类，也可以用来对变量进行分类。
对样品的分类常称为Q型聚类分析，对变量的分类常称为R型的聚类分析。
聚类分析的目的或功能就是把相似的研究对象归成类，即使类间对象的同质性最大化和类与类间对象的异质性最大化。
2、试述系统聚类法的原理和具体步骤系统聚类的基本思想是：距离相近的样品先聚成类，距离相远的后聚成类，过程一直进行下去，每个样品总能聚到合适的类中。
系统聚类的具体步骤：假设总共有N个样品第一步：将每个样品独自聚成一类，共有N类；第二步：根据所确定的样品“距离”公式，把距离较近的两个样品聚合为一类，其他的样品仍各自聚为一类，共聚成N-1类；第三步：将“距离”最近的两个类进一步聚成一类，共聚成N-2类；。
，以上步骤一直进行下去，最后将所有的样品全聚成一类。
3、试述K-均值聚类的方法原理这种聚类方法的思想是把每个样品聚集到其最近形心类中。
首先随机从数据集中选取 K个点作为初始聚类中心，然后计算各个样本到聚类中的距离，把样本归到离它最近的那个聚类中心所在的类。
计算新形成的每一个聚类的数据对象的平均值来得到新的聚类中心，如果相邻两次的聚类中心没有任何变化，说明样本调整结束，聚类准则函数已经收敛。
4、试述模糊聚类的思想方法模糊聚类分析是根据客观事物间的特征、亲疏程度、相似性，通过建立模糊相似关系对客观事物进行聚类的分析方法。
第6章 傅里叶变换光学与相因子分析方法
第6章 傅里叶变换光学与相因子分析方法6.1 衍射系统 波前变换 6.2 相位衍射元件——透镜和棱镜 6.3 波前相因子分析法 6.4 余弦光栅的衍射场6.5 夫琅禾费衍射实现屏函数的傅里叶变换6.6 超精细结构的衍射——隐失波6.7 阿贝成像原理与空间滤波实验6.8 光学信息处理列举 6.9 泽尼克的相衬法6.10 相位物可视化的其他光学方法6.11 夫琅禾费衍射的普遍定义与多种装置6.12 傅里叶变换和δ函数 6.13 准确获得物频谱的三种系统 习题21道6.1 衍射系统 波前变换• 引言 •衍射系统及其三个波前•衍射屏函数及其三种类型 •例题——两个衍射屏相叠 •什么是衍射引言经典波动光学6.1衍射光学现代发展概貌图6.26.3衍射系统 ▲系统的划分▲关注三个场分布入射场 ),(~1y x U ， 出射场 ),(~2y x U ， 衍射场 ),(~y x U′′. ▲波前变换概念波前 ),(~1y x U →),(~2y x U ，这是衍射屏的作用；波前 ),(~2y x U →),(~y x U ′′， 这是波的传播行为 ——由HFK 理论给出， 常见，傍轴情况∫∫⋅−≈′′dxdy e y x U r i y x U ikr ),(~),(~2λ.6.4衍射屏函数),(12),(),(~),(~),(~y x i e y x t y x U y x U y x t ϕ⋅== ▲唯象看，三种类型。
振幅型——仅),(y x t ，而ϕ与),(y x 无关； 相位型——仅),(y x ϕ，而t 与),(y x 无关； 相幅型——有),(y x t ，且),(y x ϕ，一般情况。
▲于是，衍射场∫∫⋅⋅−≈′′dxdy e y x U y x t r i y x U ikr),(~),(~),(~10λ ≠∫∫⋅−dxdy e y x U r iikr ),(~1λ， 自由传播场 什么是波的衍射▲形成对波衍射的普遍表述先前，曾有过关于“什么是波衍射”的两种说法：（参见书278页） 现在，可以这样表述：当光波在传播中，由于某种因素，使其波前振幅分布或相位分布发生变化，则其后场不同于自由传播场——发生衍射。
第6章--因子分析
第6章--因子分析第六章因子分析一、填空题1. 因子分析常用的两种类型为 ____________ 和 ___________ 。
2. 因子分析是将具有错综复杂关系的变量（或样品）综合为数量较少的几个因子，以再现______________ 与____________ 间的相互关系。
3•因子分析就是通过寻找众多变量的______________ 来简化变量中存在的复杂关系的一种方法。
4 •因子分析是把每个原始变量分解成两个部分即____________ 、。
5 •变量共同度是指因子载荷矩阵中__________________________ 。
6 •公共因子方差与特殊因子方差之和为________ 。
7.求解因子载荷矩阵常用的方法有______________________ 和________________ &常用的因子旋转方法有 ____________________ 和__________________ 。
9. Spss中因子分析采用__________________ 命令过程。
10•变量X i的方差由两部分组成，一部分为 ___________ ，另一部分为__________二、判断题1. 在因子分析中，因子载荷阵不是唯一的。
（）2. 因子载荷阵经过正交旋转后，各变量的共性方差和各个因子的贡献都发生了变化。
（）3. 因子分析和主成分分析的核心思想都是降维。
（）4.因子分析有两大类，R型因子分析和Q型因子分析；其中R型因子分析是从变量的相似矩阵出发，而Q型因子分析是从样品的相关矩阵出发。
（）5. 特殊因子与公共因子之间是相互独立的。
（）6. 变量共同度是因子载荷矩阵列元素的平方和。
（）7. 公共因子的方差贡献是衡量公共因子相对重要性指标。
（）8. 对因子载荷阵进行旋转的目的是使结构简化。
（）三、简答题1.因子分析的基本思想是什么，它与主成分分析有什么区别和联系？2 •因子模型的矩阵形式UF ，其中:F F1, ,F m 1, , P U U ij pm请解释式中F、、U的统计意义。
- 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)。
第六章因子分析
一、填空题
1.因子分析常用的两种类型为和。
2.因子分析是将具有错综复杂关系的变量（或样品）综合为数量较少的几个因子，以再现_____________与____________之间的相互关系。
3．因子分析就是通过寻找众多变量的来简化变量中存在的复杂关系的一种方法。
4．因子分析是把每个原始变量分解成两个部分即、。
5．变量共同度是指因子载荷矩阵中_______________________。
6．公共因子方差与特殊因子方差之和为_______。
7．求解因子载荷矩阵常用的方法有和。
8．常用的因子旋转方法有和。
9．Spss中因子分析采用命令过程。
X的方差由两部分组成，一部分为，另一部分10．变量
i
为。
二、判断题
1．在因子分析中，因子载荷阵不是唯一的。
（）
2．因子载荷阵经过正交旋转后，各变量的共性方差和各个因子的贡献都发生了变化。
（）
3．因子分析和主成分分析的核心思想都是降维。
（）
4．因子分析有两大类，R型因子分析和Q型因子分析；其中R型因子分析是从变量的相似矩阵出发，而Q型因子分析是从样品的相关矩阵出发。
（）5．特殊因子与公共因子之间是相互独立的。
（）
6．变量共同度是因子载荷矩阵列元素的平方和。
（）
7．公共因子的方差贡献是衡量公共因子相对重要性指标。
（）
8．对因子载荷阵进行旋转的目的是使结构简化。
（ ） 三、简答题
1． 因子分析的基本思想是什么，它与主成分分析有什么区别和联系 2．因子模型的矩阵形式ε+=X UF ，其中：
()
()
()
u F
F ij m
p P
m
U F
⨯='
='
=εεε,,,,1
1
ΛΛ
请解释式中F 、
ε、U 的统计意义。
3．因子旋转的意义何在如何进行最大方差因子旋转 4．因子分析主要应用在哪几个方面 四、计算题
4．假设某地固定资产投资率1x ， 通货膨胀率2x 和失业率3x 的约相关矩阵为：
⎥⎥⎥⎥⎥⎥⎦
⎤⎢⎢⎢⎢
⎢⎢⎣⎡----=525
25
152********
51
*
R 并且已知该相关矩阵的各特征根和相应的非零特征根的单位特征向量分别为： 9123.01=λ ()'
-=657.0657.0369
.01α 0877.02=λ ()'-=261.0261
.0929.02α
03=λ
要求求解因子分析模型，计算各变量的共同度和各公共因子的方差贡献并解释它们的统计意义。
2．设变量x 1,x 2和x 3已标准化，其样本相关系数矩阵为：
⎥⎥
⎥⎦
⎤⎢⎢⎢⎣⎡=135.045.035.0163.045.063.01
R （1）对变量进行因子分析。
（2）取q=2进行正交因子旋转。
3．已知我国某年各地区的国有及非国有规模以上的工业企业经济效益资料，现做因子分析，结果如下，请说明每一个输出结果的含义及目的，并回答以下问题：（1）什么是方差贡献率计算方差贡献率的目的何在
（2）如何利用因子分析结果进行综合评价结合本例写出计算综合评价结果的公式。
表1
表2
表3
表4
表5
五、操作题
1．10名初中男生身高、胸围、体重的数据资料如下：
（2）分别计算各变量的公共因子方差和特殊因子方差，判断哪个因子能概括原始信息的大部分，为什么
（3）写出方差最大正交旋转因子模型，并分析各因子的实际含义
(4)计算各个样本点的因子得分
2．对某市15个大中型工业企业进行经济效益分析，经研究确定，从有关经济效益指标中选取7个指标作分析，即固定资产产值率(X1)，固定资产利税率(X2)，资金利润率(X3)，资金利税率(X4)，流动资金周转天数(X5)，销售收入利税率(X6)和全员劳动生产率(X7)。
数据资料如下：
第一、对数据资料进行主成分分析：
(1)前两个最大特征根为_____________、______________，其对应的特征向量为__________________________________，_____________________________。
(2)第一主成分的表达式为_________________________________________ ___，该主成分包含了原始信息的_______%，第二主成分的表达式为_________________________________________，该主成分的方差贡献率为_______。
(3)如果舍弃第二主成分，则哪个原始变量的损失信息最大：_______
(4)第一个主成分与第二个变量间的相关系数为_____________
(5)第一个主成分主要反映盈利能力，现对第一主成分计算得分为_________________________________________________________________，对得分进行排序(降序)，各企业的得分排名顺序依次为：_________________ __________________________(依企业顺序写出排名)。
若利用第一、二主成分构造综合评价函数，则两主成分的权数分别为_________、_________。
第二、对原数据资料进行因子分析：
(6)利用主成分法求解因子载荷，现提取两个因子进行分析，因子模型表示为：
(7)前三个变量(X1，X2，X3)的公共因子方差为___________、_____________、____________，特殊因子方差为________、___________、_____________。
(8)对以上模型进行方差最大正交旋转，得出旋转后的因子载荷矩阵为：。