加载中…
个人资料
  • 博客等级:
  • 博客积分:
  • 博客访问:
  • 关注人气:
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
正文 字体大小:

零基础量化研究科研训练微课程第十三讲量化研究数据分析方法之因子分析

(2022-07-08 11:16:37)
标签:

2022年

教育

量化研究

研究

分类: 专业篇
零基础量化研究科研训练微课程 第十三讲 量化研究数据分析方法之因子分析


       因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家斯皮尔曼提出。他发现学生各科成绩之间存在着一定相关性,一科成绩好的学生,往往其他各科成绩也比较好,从而推想是否存在某些潜在的共性因子,或称某些一般智力条件影响着学生的学习成绩。

      因子分析的基本原理:
      在社会、政治、经济和医学等领域的研究中往往需要对反映事物的多个变量进行大量的观察,收集大量的数据以便进行分析,寻找规律。因子分析就是用少数几个因子来描述许多指标或因素之间的联系,以较少几个因子反映原始资料的大部分信息的统计学方法。因子分析的基本原则是对多变量的平面数据进行最佳综合和简化,即在保证数据信息丢失较少的原则下,对高维变量空间进行“降维”处理。
     
    因子分析的基本概念:
    (1)因子载荷(Factor Loading)。因子载荷即是每个原始变量和每个公共因子的相关系数,反映了变量对公共因子的重要性。通过因子载荷值的大小,我们能够获取变量在对应公共因子中的重要程度,从而帮助我们理解公共因子的实际含义,有利于因子的命名。因子载荷值的绝对值越大,该公共因子与原有变量的关系就越强。
   (2)变量共同度(Communality)。变量共同度即是每个变量所包含的信息能够被公共因子所解释程度,取值范围为0~1,取值越大,说明该变量能够被因子解释的程度越高。如果大部分变量的共同度都高于0.8,则说明提取的公共因子能够反映各原始变量80%以上的信息。
   (3)因子旋转(rotation)。因子分析的结果需要每个因子都有实际意义,如果每个公共因子的含义都不清楚,就不便于使用这些因子对实际问题进行解释。因此,在原始变量和因子系数可能无法明显地表达出因子的含义时,就需要对因子载荷矩阵进行旋转,使原始变量和因子之间的关系更加突出,即每个变量仅在一个公共因子上有较大的载荷,而在其他公共因子上的载荷较小。
   (4)方差贡献率。公共因子对所有原始变量总方差的解释能力,值越高,说明该因子的重要程度越高,是一个衡量公共因子重要指标。
   (5) 因子得分(factor score)。因子得分可以用来评价每个个案在每个公共因子上的分值,该分值包含了原始变量的信息。需要注意的是,原始变量的数值是可以直接观测,但因子得分只能通过原始变量与因子之间的关系计算得到。

资料来源:根据网络资料整理

      
       

0

阅读 收藏 喜欢 打印举报/Report
  

新浪BLOG意见反馈留言板 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

新浪公司 版权所有