因子分析方法

1樓：中地數媒

因子分析是一種多變數化簡技術，目的是分解原始變數，從中歸納出潛在的「類別」，相關性較強的指標歸為一類，不同類間變數的相關性較低，每一類變數代表了一個「共同因子」，即一種內在結構，因子分析就是要尋找該結構。其分析方法有很多種，最常用的有兩種：一是主成分分析方法；另外一種是一般因子分析法。

通常所說的因子分析指的就是一般因子分析法，它通過原始變數的方差去構造因子，一般情況下，因子的數量總是要少於變數的數量。所以對於一般因子分析而言，如何正確解釋因子將會比主成分分析更困難。

因子分析一般可以分成四步：

考察變數之間的相關性，判斷是否要進行因子分析；

進行分析，按一定的標準確定提取的因子數目，一般要求特徵值大於1；

考察因子的可解釋性，並在必要時進行因子旋轉，以尋求最佳解釋方式；

計算出因子得分等中間指標，供進一步分析使用。

利用因子分析，可以把蒐集到的比較雜亂的原始資料進行壓縮，找出最重要的因子，並對其按照成因歸類、整理，從中找出幾條主線，幫助分析充滿度的主要控制因素。

本研究中共統計巖性圈閉354個，參與統計分析和計算的圈閉有249個。由於其中的落空圈閉無法參與因子分析及充滿度**模型的建立，因此實際參與分析和**的巖性油氣藏為222個。初步地質分析後，選取平均孔隙度，%；平均滲透率，10-3

m2；排烴強度，104

t/km2；與排烴中心的平面距離，km；與排烴中心的垂直距離，m；地層壓力系數；砂體厚度，m；砂體面積，km2

有機質丰度，%；圍巖厚度，m；平均埋深，m；共11個地質引數進行因子分析。

本研究按不同的成藏體系進行，建立其充滿度**模型並進行回代驗證。同一成藏體系內的巖性油氣藏的生、儲、蓋、圈、運、保等成藏條件相互影響、相互制約，關係密切，將同一成藏體系中的巖性油氣藏又分別劃分為構造－巖性、透鏡體油氣藏進行**。

2樓：調研工廠

1. kmo檢驗。

kmo（kaiser-meyer-olkin）檢驗是多元統計的因子分析中用於檢驗變數是否適合採用因子分析的方法，是度量因子分析效率的基本測度。kmo檢驗的統計量是變數之間相關係數與其偏相關係數的比值。

2. bartlett檢驗。

bartlett檢驗（bartlett test）又稱為bartlett球形檢驗（bartlett test of sphericity）。bartlett檢驗與kmo檢驗類似，也是通過檢驗變數之間的相關性來判斷是否適合採用因子分析的一種方法。

3. 累積方差貢獻率。

在因子分析中，採用正交旋轉方式，依據方差最大化原則，構建了一組新的線性組合來表示原有的變數，並按照特徵值大於1的標準來確定主要線性組合的個數，從而以較少的主要線性組合來反映原始變數變異的主要部分，這些特徵值大於1的主要的線性組合便是主因子。

4. 探索性因子分析。

探索性因子分析（efa）是基於因子分析的一種社會調查的因素分析方法。

因子分析

3樓：會哭的禮物

資料簡化

因子分析的用途

數學模型

用矩陣的方式表達

因子分析模型的性質

因子載荷矩陣中的統計特徵

旋轉因子的目的

迴歸方法

主成分分析與因子分析

主成分分析與因子分析有所不同，主成分分析僅僅是變數變換。

主成分和公共因子的位置不同。因子分析也有因子載荷（ factor loading）的概念，代表了因子和原先變數的相關係數。但是在因子分析公式中的因子載荷位置和主成分分析不同。

在數學模型上，因子分析和主成分分析也有不少區別。而且因子分析的計算也複雜得多。根據因子分析模型的特點，它還多一道程式：

因子旋轉（ factor rotation）；這個步驟可以使結果更好。

旋轉後的公共因子一般沒有主成分那麼綜合，公共因子往往可以找到實際意義，而主成分常找不到實際的含義。

可以看出，因子分析和主成分分析都依賴於原始變數，也只能反映原始變數的資訊。所以原始變數的選擇很重要。在得到分析的結果時，並不一定會都得到如我們例子那樣清楚的結果。

這與問題的性質，選取的原始變數以及資料的質量等都有關係。如果原始變數本質上獨立，就很難把很多獨立變數用少數綜合的變數概括，降維就可能失敗。資料越相關，降維效果就越好。