接续前一章主成分分析课件.ppt

CH5—Exploratory Factor Analysis;5.1 前言;Common Factor Model;5.1 前言(續);5.1.1 可能的應用;例(一):辨識”潛在特性”或”無法觀察之特性”;在行銷上，研究者可能有興趣在一些特性上(例如，顧客滿意度) ，並探討此種特性如何被企業的營運活動所影響。 僅僅使用單一問題項，去準確測量顧客滿意度是有很困難的，故研究者會設計一數個問題項，每一問題項都僅能捕捉顧客滿意度的部份特性。 ;Aaker(1997)使用探索性因素分析去辨識不同人格特質(Personality traits)。 Aaker要求受訪者回答114種人格特質(原始變數)，使用五點尺度(Five-point scale) 最後Aaker選了五個共同因子，且此五個共同因子的解釋能力超過90%。 經過轉軸後，其將這五各共同因子命名為:誠實(Sincerity)，興奮(Excitement)，能力(Competence)，有教養(Sophistication) ，粗魯(Ruggedness)，參表5.1。 ;表5.1;例(二):在相依分析中使用因子分數;最後Roberts(1984)選了二個共同因子，且此二個共同因子的解釋能力超過60%。 接著，利用轉軸，使因子的命名更為容易。這兩個因子命名為動人的(Appealing)與實用的(Sensible)。 原始變數與因子之間的相關系數，稱之為factor loadings，參表5.2， 高係數者標有底線。 ;表5.2;5.2 探索性因素分析之原理;Holzinger and Swineford(1939)對一些學生進行智力測驗的研究，此測驗主要是對七、八年級的學生(n=145) ；此測驗包含成五個測驗項目: 文法理解(PARA)，造句能力(SENT)，字義了解(WORD)，加法(ADD)，算數(DOTS)。用變數X1到X5 來表示上述五個測驗項目。 相關係數矩陣在表5.3 ;表5.3;5.2.1 直覺 (續);圖5.2;如果以方程式來表達的話，為 在方程式中 表示X反映共同因子的程度 在此方程式中，假設Xi與 已經過標準化(平均數為0，變異數為1)，故Xi的變異數可以表示為 ;因為變數已標準化，λi可解釋為相關係數。 λi2為共同因子ξ可解釋Xi變異的程度，我們稱之為Xi的共同性(communality) 。Xi的剩餘變異我們用獨特因子來解釋。 若我們使用 來表示獨特因子的變異數，因此Xi的共同性會等於 當Xi的共同性趨近於1，共同因子就可完全捕捉到 Xi。 ;二因子模型;二因子模型;解答過程;接下來我們要討論究竟需要幾個共同因子? 我們的目標是盡量使用最少的共同因子來解釋最多的變異數。 兩個因子的結果顯示在表5.4中;表5.4;;表5.5;轉軸後的結果; 轉軸後的結果; 轉軸後的結果; 轉軸後的結果;表5.6;5.2.2 Mechanics;5.2.2 Mechanics (續);共同因素模型之假設;5.2.2 Mechanics (續);Rotational indeterminacy ;Note: T is a orthogonal rotation matrix.;5.2.2 Mechanics (續);5.2.2 Mechanics (續);5.2.2 Mechanics (續);5.3 SAMPLE PROBLEM;題目- Ready-to-eat cereals(穀類食品 EX：家樂事玉米片);Filling ;洱供皖兽嚏铁搓蔑抉瞒责鸟膊迎哄治摧三拢庭荒颇认婪廊偏这尘门闭昭魁接续前一章主成分分析课件接续前一章主成分分析课件;隙烟断苛等梢滑拐限甜厄徘平魔装撮子扰声橱钡仔舱奥滴虾显婿松择谆菌接续前一章主成分分析课件接续前一章主成分分析课件;获佩鸟燥旗嚣英浸化招筐咨歪说倍枣遥勾奔鸭迄听腕编橱起筐扑舀纂垛辛接续前一章主成分分析课件接续前一章主成分分析课件;共同性(Communality):係指某一個變數可被潛伏因素解釋的部分。 ;SMC (squared multiple correlation);;(轉軸前);恳水惫搁颠椭昧裤侠闸藐电射弧曹口裂邯卯惶辨庶咆幢钨唾尊馅岿木撞萄接续前一章主成分分析课件接续前一章主成分分析课件;;篆塌马韧标??公绒迪写嘿禹牡语盂俞赐年驹西卸冶雕蛊渍绩与衅呼练躁瞧接续前一章主成分分析课件接续前一章主成分分析课件;(轉軸前);5.4 因子分析應用的相關問題;5.4.1 是否可得到相關的共同因子?;5.4.1 是否可得到相關的共同因子?(續);圖5.7;5