主成分和因子分析.docxVIP

[stata代码模板]主成分分析及因子分析1. 主成分分析黄色字体为自己填写部分，红色字体为可缺省部分。————————————模板————————————factor 变量名,pc factor(#) covariancemeansmineigen(#)————————————模板————————————pc代表是主成分分析，如果没有pc，则为因子分析。factor（#）指定保留因子的个数，可缺省。covariance指定主成分是从协方差阵计算，而不是从相关阵，也就是说，不加covariance意味着变量被标准化了，可缺省。means给出各变量的均数、标准差、最小值、最大值，可缺省。mineigen(#)指定保留的最小特征根。2. 因子分析主成分分析是将原指标的综合，因子分析是将原指标分解。（1）因子载荷估计黄色字体为自己填写部分，红色字体为可缺省部分。————————————模板————————————factor 变量名, factor(#) covariancemeans因子提取的方法————————————模板————————————factor（#）、covariance、means与前面意义一样。因子提取的方法有：Pf 主因子法（缺省时默认）pcf主成分因子法ipf迭代因子法ml 极大似然法mineigen(#)指定保留的最小特征根，用主成分提取因子时，缺失值为1，其他情况缺失值为0。（2）因子旋转当因子估计的模型中的公共因子含义不清或没有合理解释时，可对因子载荷阵进行旋转，使因子载荷的结构简化，以便于对公共因子进行解释。其原理很像调节显微镜的焦点，以便看清楚观察物的细微之处。————————————模板————————————rotate,因子旋转的方法————————————模板————————————因子旋转的方法可以缺省，常有以下三种：正交方差极大旋转（varimax），默认为此斜交旋转（promax（#），括号内数为参加旋转的因子数），一般取2或3个因子参加旋转，stata中promax（3）为缺省值。Horst修正方差极大旋转和斜交旋转（horst），该法用于正交方差极大旋转或斜交旋转之后，是对它们的修正。（3）因子得分因子模型为设为一组样本，根据这组样本估计出了公共因子个数、因子载荷矩阵和特殊方差矩阵，并通过因子旋转使得公共因子有了比较明确的实际意义。但是，有时需要反过来将公共因子表示为原始变量（或样品）的线性组合（称为因子得分函数）以对原始数据进行深入的分析。————————————模板————————————Socre新变量,计算因子得分的方法————————————模板————————————因子得分的方法可缺省，缺省为thompson方法，可以指定的方法有：Bartlett指定bartlett方法norotate指定未旋转的因子计算例子：如下是某个测试得分的数据，x1为参与测试者的编号，x2-x7为7个项目的得分计算因子载荷，在stata中输入：factor x2-x7得到结果：Uniqueness是各变量的特殊方差，从结果中可以知道原变量被分解成四个因子和一个特殊方差，以x2为例，模型为：X2=0.8977*f1-0.2370*f2+0.0034*f3-0.0608*f4+0.1343*f4可以看到x6中在f1和f2两个因子上都有较大负荷，x7也有类似情况，为使每个变量只在一个因子上有较大负荷，使得公共因子更好的被解释，进行因子旋转，在stata中输入代码，使用方差极大旋转：Rotate旋转后的因子载荷结果为：现在进行因子得分的计算，在stata中输入：