注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

数据挖掘与数据分析

个人微信:datamen 欢迎交流

 
 
 

日志

 
 

主成分分析和因子分析的区别   

2009-11-19 09:24:18|  分类: 统计 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
       1、因子分析中是把变量表示成各因子的线性组合,而主成分分析中则是把主成分表示成
个变量的线性组合。 

       2、主成分分析的重点在于解释个变量的总方差,而因子分析则把重点放在解释各变量之
间的协方差。 

       3、主成分分析中不需要有假设(assumptions),因子分析则需要一些假设。因子分析的假
设包括:各个共同因子之间不相关,特殊因子(specific factor)之间也不相关,共同
因子和特殊因子之间也不相关。 

       4、主成分分析中,当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候,的主成分
一般是独特的;而因子分析中因子不是独特的,可以旋转得到不到的因子。 

       5、在因子分析中,因子个数需要分析者指定(spss根据一定的条件自动设定,只要是特
征值大于1的因子进入分析),而指定的因子数量不同而结果不同。在主成分分析中,成分的数量是一定的,一般有几个变量就有几个主成分。
 
        和主成分分析相比,由于因子分析可以使用旋转技术帮助解释因子,在解释方面更加有
优势。大致说来,当需要寻找潜在的因子,并对这些因子进行解释的时候,更加倾向于
使用因子分析,并且借助旋转技术帮助更好解释。而如果想把现有的变量变成少数几个
新的变量(新的变量几乎带有原来所有变量的信息)来进入后续的分析,则可以使用主
成分分析。当然,这中情况也可以使用因子得分做到。所以这中区分不是绝对的。 
     总得来说,主成分分析主要是作为一种探索性的技术,在分析者进行多元数据分析之前
,用主成分分析来分析数据,让自己对数据有一个大致的了解是非常重要的。主成分分
析一般很少单独使用:a,了解数据。(screening the data),b,和cluster analysis一
起使用,c,和判别分析一起使用,比如当变量很多,个案数不多,直接使用判别分析可
能无解,这时候可以使用主成份发对变量简化。(reduce dimensionality)d,在多元回
归中,主成分分析可以帮助判断是否存在共线性(条件指数),还可以用来处理共线性

    在算法上,主成分分析和因子分析很类似,不过,在因子分析中所采用的协方差矩阵的
对角元素不在是变量的方差,而是和变量对应的共同度(变量方差中被各因子所解释的
  评论这张
 
阅读(1027)| 评论(2)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017