Реферат: Компонентный и факторный анализ
Сумма матриц даёт:
Представим матрицы индивидуальных значений общих и характерных факторов. Иногда для удобства их представляют в одной матрице:
Модель (1) можно записать в матричной форме:
3.1 Преобразование матрицы парных коэффициентов корреляции в редуцированную матрицу.
Запишем корреляционную матрицу:
Следующим шагом будет – построение редуцированной матрицы корреляции с общностями на главной диагонали. Общность показывает какую часть, какую долю составляет относительно дисперсии каждого из m общих факторов в дисперсии I - го исходного признака. Существуют следующие методы нахождения общности:
a) наибольшего элемента метод по строке
Суть метода заключается в том, что в строке матрицы , соответствующей данному признаку, выбирается элемент с наибольшим абсолютным значением. Это наибольшее значение коэффициента корреляции записывается на главной диагонали.
h= 0,940 h
=0,219 h
=0,415 h
=0,172 h
=0,940
b) метод среднего коэффициента корреляции
h= 0,3977 h
=0,1175 h
=0,2627 h
=0,10025 h
=0,4117
с) метод триад
В j – ом столбце или строке отыскивают два наибольших значения коэффициентов корреляции и
, тогда
h= 0,2314 h
=0.0821 h
=0,1717 h
=0,0306 h
=0,1956
d) метод первого центроидного фактора
h= 0,6562 h
=0,8181 h
=0,9407 h
=0,2054 h
=0,4315
Запишем матрицу , используя метод среднего коэффициента корреляции:
h= 0,3977 h
=0,1175 h
=0,2627 h
=0,10025 h
=0,4117
Построим матрицу Rh – редуцированную корреляционная матрица.
Для получения первого вектора коэффициентов первого главного фактора необходимо найти наибольшее собственное число матрицы и по нему построить соответствующий собственный вектор, затем нормировать его и умножить все компоненты этого вектора на
( для того, чтобы длина этого вектора была
), тогда получим искомый вектор
.Затем необходимо найти матрицу рассеивания
, обусловленную влиянием первого общего фактора, и матрицу остатков
, которая содержит в себе связи, обусловленные влиянием всех общих факторов, начиная со второго. Далее переходим по той же схеме к поиску собственных чисел матрицы
. Но, оказывается, что собственные числа и собственные вектора матриц
и
совпадают, начиная со второго, а это означает, что достаточно найти собственные числа матрицы
, ранжировать их и найти собственные вектора.
Получим следующие собственные числа:
1 =1.658
2 =0.21
3 =0.069
4 =-0.105
=-0.542