主成分分析与初始因子分析的异同--兼与卢纹岱《SPSS for Windows统计分析》商榷

0问题产生的背景初始因子分析是指用主成分法提取初始因子载荷阵,并没有旋转过程的因子分析(对应分析用此法)[3]。它与主成分分析最相近,二者的不同隐藏较深,不留意还以为同是主成分分析,如文[2]就出现了这种情况(经运算验明),有些教科书如[1]也没有明确区分。那么这两种方法有     

基于SPSS的二次开发直接求解主成分

SPSS是“社会科学统计软件包”(Statistical Package forthe Social Science)的简称,是一种集成化的计算机数据处理应用软件,其简单易懂的菜单式操作方法赢得了大量用户。主成分分析是一种采取数学降维的方法,把多个变量化为少数几个综合变量且互不相关的多元统计分析方法,在实际工作中有着广泛的应用。但是,SPSS软件中没有设置独立的主成分分析模块。要进行主成分分析,则需要借助SPSS中因子分析的输出结果中的因子载荷矩阵,再通过一定的计算,来间接获得主成分分析的结果。这样,一方面用时长,不方便;另一方面由于使用者对SPSS中因子…     

如何正确应用SPSS软件做主成分分析

 鉴于目前很多用SPSS软件分析主成分的教材中和发表的文章中有不少错误之处。本文从主成分分析与因子分析的关系出发,借用SPSS软件自带的数据,进行了正确的操作,并将其结果与SAS软件的结果进行比较,两者完全相同。     

主成分分析与R型因子分析的异同比较

本文从基本思想、数学模型、优缺点以及在SPSS11.0软件中的具体步骤方面,详细地综述了主成分分析与R型因子分析的异同比较,使广大的读者能够在实践应用中更加清楚主成分分析和R型因子分析,并进一步掌握主成分分析和R型因子分析如何在软件应用中的操作方法.     

主成分分析与因子分析的异同比较及应用

主成分分析法和因子分析法都是从变量的方差-协方差结构入手,在尽可能多地保留原始信息的基础上,用少数新变量来解释原始变量的多元统计分析方法。教学实践中,发现学生运用主成分分析法和因子分析法处理降维问题的认识不够清楚,本文针对性地从主成分分析法、因子分析法的基本思想、使用方法及统计量的分析等多角度进行比较,并辅以实例。     

如何用SPSS软件进行主成分分析

文章指出《统计分析软件ＳＰＳＳ／ＰＣ＋》中主成分分析举例中的一处错误,比较了主成分分析和因子分析的异同,进而指出用ＳＰＳＳ软件不能直接进行主成分分析。作者根据主成分分析和因子分析的关系,提出一种先用ＳＰＳＳ的ＰＣ法得出因子载荷阵,然后求出特征向量,建立主成分模型的主成分分析计算方法     

如何用SPSS快速计算主成分的结果

SPSS迄今没有主成分分析的模块,不能直接得到主成分系数和主成分值,如何用SPSS软件快速计算主成分结果,是SPSS使用者和教学面临的困难.这里应用因子分析中主成分法的初始因子载荷阵回归的初始因子得分,建立了:主成分与初始因子得分的一般关系式;给出了SPSS快速计算主成分系数、主成分值的操作步骤,实例,结论和讨论等.     

主成分分析与因子分析关系探讨及软件实现

文章论述了主成分分析与因子分析之间的区别与联系,同时指出SPSS软件实现主成分分析的错误之处,并给出其正确的实现方法。另外,针对文献[4,5]中提出的因子分析模型精确解加以探讨,指出其精确解实际上就是主成分解,并以具体实例加以说明。     

主成分分析与因子分析的异同和SPSS软件——兼与刘玉玫、卢纹岱等同志商榷

设X =(X1 ,… ,XP)′为标准化随机向量 (p≥ 2 ) ,R为相关系数矩阵 ,Fm =(F1 ,… ,Fm)′为主成分向量 ,Zm =(Z1 ,… ,Zm)′为因子向量 ,m≤p,为方便 ,因子、因子估计、因子得分用同一记号。　　一、问题的提出主成分分析与R -型因子分析是多元统计分析中的两个重要方法 ,同是降维技术 ,应用范围十分广泛 ,但通过流行甚广的SPSS软件调用这两种方法的过程命令 ,有些使用者容易出现混淆性错误 ,如《统计研究》2 0 0 3年第1 2期发表的论文《经济全球化程度的量化研究》(以下称《刘文》)、电子工业出版社 2 0 0 2年 9月出版的《SPSSforW…     

析主成分分析和因子分析——以Frobenius范数下矩阵近似的新视角

本文通过引入数据阵在Frobenius范数下的最优近似等概念来重新探讨主成分和因子分析。我发现,主成分分析中主成分和因子分析中因子得分（通过主成分解因子载荷,然后用最小二乘解因子得分）的估计为数据阵的最优近似（在Frobenius范数下）在不同正交坐标方向矩阵下的坐标。两种方法分别采用了不同的约束条件分解的最优近似（在Frobenius范数下）,因为该分解并不唯一。     

主成分与因子分析中指标同趋势化方法探讨

样本主成分和样本因子分析法已成为一种最主要的综合评价方法之一,指标变量的同趋势化是运用该方法的重要步骤。文章总结了主成分与因子分析中指标同趋势化的具体方法,论述了这些方法对综合评价的影响,并指出了这些方法的适用条件。     

学术期刊主成分、因子分析评价值的判断标准

在期刊评价中,无论采用主成分分析还是因子分析进行评价,均无法根据评价值直接判断优劣,只能排序,这就削弱了主成分分析与因子分析评价的解释力,本质上是评价值的绝对判断标准问题。文章在分析学术评价特点以及成长曲线原理的基础上,提出采用Sigmoid函数对主成分分析或因子分析的评价值进行标准化,并基于JCR2017经济学期刊的数据,采用主成分分析和因子分析进行评价,然后对评价值进行标准化,并分析了标准化结果的数据特征。结果表明：标准化可以提升主成分分析与因子分析评价结果的解释力,可以对评价对象发展阶段进行判断,平滑了评价值且抑制了水平较高的评价对象,使得评价结果更加接近正态分布。     

SPSS主成分分析中的特征向量计算问题

文章就《如何用SPSS软件进行主成分分析》一文中主成分分析方法中的特征值与特征向量的关系作了探讨,并指出先用SPSS的PC法求出载荷阵,然后求出特征向量的主成分分析计算过程中,应使特征值与特征向量一一对应来建立主成分的分析模型。     

如何用SPSS软件一步算出主成分得分值

主成分分析法常被应用于综合评价与监控,其评价与监控值就是样品的主成分得分值,故尽快求出主成分得分值是实现综合评价与监控的重要环节之一。多数人使用的SPSS软件求解主成分得分值的方法较慢,甚至出现错误。而从理论上给出主成分得分值与未旋转因子得分值的关系式,并利用SPSS软件因子分析模块中未旋转因子得分值,一步算出主成分得分值,则大大简化了计算,其效果比以前的方法好。同时也改正了一些新版文献的错误。     

实证分析中运用主成分分析法应注意的几个问题

主成分分析方法在一些综合评价的实证分析文章中已屡见不鲜,但常发现有些文章作者,在使用时存在方法的错误运用和一些技术上的问题,影响了所研究问题结论的准确性.文章仅从方法模型的表述、相应的统计检验、指标的处理和与因子分析的区别几方面谈个人看法.     

主成分分析与因子分析的异同比较及应用

在经济实证问题研究中，对某一现象通常会考虑其众多的影响因素，因为人们希望尽可能多地收集关于分析对象的数据信息，进而能够对它有比较全面、完整的把握和认识，于是对某个分析对象的描述就会有许多的变量(或指标)。这些经济变量在大多数情况下不是独立     

SPSS的因子分析在课堂教学质量评价中的应用

本文利用SPSS中的因子分析功能对本校学生评教数据进行分析,得出了具有一定参考价值的结果,并通过一个具体实例证实了因子分析在课堂教学质量评价中的可行性和必要性。     

基于正交迭代的有监督的稀疏主成分分析

主成分分析是经典的无监督的数据处理工具,近年来关于稀疏主成分和有监督的主成分研究受到较多关注。基于正交迭代和距离相关系数,提出一种有监督的稀疏主成分分析方法 SSPCA,该方法考虑了自变量与因变量之间的相关性,并在迭代求解的过程中将一些与因变量Y相关性很弱的自变量对应的系数变为0,使所求的特征向量只保留预测能力较强的自变量信息;在数值模拟与实例分析中,相比其他四种方法,SSPCA方法均能取得较好效果。