Содержание
- 2. Факторный анализ Факторный анализ – как религия: каждый находит в нем что-то свое Под факторным анализом
- 3. Основная идея Метод главных компонент объясняет наибольшую вариативность в терминах наименьшего количества линейных комбинаций переменных.
- 4. Основная идея Факторный анализ объясняет отношения между переменными с помощью нескольких факторов, которые не могут быть
- 5. Основная идея Оба метода основываются на корреляциях (или ковариациях) между исходными переменными и часто называются одним
- 6. Основная идея Главными целями факторного анализа являются: (1) сокращение числа переменных и (2) определение структуры взаимосвязей
- 7. Метод главных компонент – это метод, который переводит большое количество связанных между собой (зависимых, коррелирующих) переменных
- 8. Метод главных компонент ПРИМЕР: у студентов измерили интеллект по тесту Векслера, интеллект по тесту Айзенка, интеллект
- 9. Метод главных компонент Если переменных в исследовании слишком много (x1, x2, …, xp), а некоторые из
- 10. Метод главных компонент Для этого и служит метод главных компонент, который создает несколько новых переменных y1,
- 11. Метод главных компонент y1=a11x1+a12x2+…+a1pxp y2=a21x1+a22x2+…+a2pxp … (1) yp=ap1x1+ap2x2+…+appxp Это и есть модель для метода главных компонент
- 12. Метод главных компонент Переменные y1, y2, …, yp называются главными компонентами или факторами. Таким образом, фактор
- 13. Метод главных компонент Процедура извлечения факторов называется факторизацией матрицы.(проведение ФА). В результате факторизации из корреляционной матрицы
- 14. Метод главных компонент Коэффициенты aij, определяющие новую переменную, выбираются таким образом, чтобы новые переменные (главные компоненты,
- 15. Метод главных компонент Часто полезно представить коэффициенты aij таким образом, чтобы они представляли собой коэффициент корреляции
- 16. Метод главных компонент Коэффициенты aij называются факторными нагрузками.
- 17. Матрица факторных нагрузок
- 18. Факторный анализ Основное отличие между факторным анализом и методом главных компонент заключается в том, что главные
- 19. Факторный анализ Модель факторного анализа предполагает, что корреляции между наблюдаемыми переменными x1, x2, …, xp получаются
- 20. Факторный анализ Дисперсия исходных переменных здесь объясняется не в полном объеме: признается, что часть дисперсии остается
- 21. Факторный анализ x1=λ11f1+ λ 12f2+…+ λ1kfk+u1 x2= λ21f1+ λ 22f2+…+ λ2kfk+u2 … (2) xp= λp1f1+ λ
- 22. Факторный анализ Случайная погрешность ui называется характерностью и представляет собой часть наблюдаемой переменной, которая не объясняется
- 23. Факторный анализ Общность (Communality) переменной xi - является той дисперсией, которую переменная делит с другими явными
- 24. Факторный анализ Если латентные факторы не коррелируют, то коэффициенты λij являются корреляциями между латентными переменными и
- 25. Факторный анализ Соответствие факторной модели полученным данным проверяется путем сравнения исходной корреляционной матрицы с матрицей корреляций,
- 26. Факторный анализ В программе STATISTICA реализовано пять методов факторного анализа:
- 27. Факторный анализ Commonalities=multiple R-square. Если выбран этот метод, то перед факторизацией диагональные элементы корреляционной матрицы (общности)
- 28. Факторный анализ Iterated commonalities (MINRES). Этот метод отличается от предыдущего тем, что после факторизации оптимизирует факторные
- 29. Факторный анализ Maximum likelihood factors метод максимального правдоподобия Д. Лоули. В отличие от остальных методов тут
- 30. Факторный анализ Centroid method – центроидный метод Л. Тэрстоуна. В нем корреляции между переменными рассматриваются как
- 31. Факторный анализ Principal axis method В этом методе (методе главных осей) на каждом итерационном шаге собственные
- 32. Факторный анализ Факторный анализ Statistics ⇒ Multivariate Exploratory Techniques ⇒ Factor Analysis
- 33. Факторный анализ Разные методы
- 34. Факторный анализ ☹ В SPSS реализованы некоторые перечисленные и некоторые другие методы
- 35. Факторный анализ ☺ Но! Факторные отображения одной и той же корреляционной матрицы эквивалентны друг другу, если
- 36. Факторный анализ Результаты, полученные с помощью метода главных компонент, и результаты, полученные с помощью различных процедур
- 37. Сколько факторов? Для применения процедуры выбора следует посчитать некоторую статистику – собственные значения корреляционной матрицы и
- 38. Сколько факторов?
- 39. Сколько факторов? 1) Процент объясненной дисперсии. Если кумулятивный (накопленный) процент общей дисперсии достигает 60% или больше,
- 40. Сколько факторов?
- 41. Сколько факторов? 2) Критерий Кайзера (H. Keiser). Вы можете отобрать только факторы с собственными значениями, большими
- 42. Сколько факторов?
- 43. Сколько факторов? 3) Критерий каменистой осыпи является графическим методом. Вы можете изобразить собственные значения, представленные в
- 44. Сколько факторов?
- 45. Сколько факторов? 4) На практике возникает важный дополнительный вопрос, а именно: когда полученное решение может быть
- 46. Вращение матрицы факторных нагрузок Оказывается, что описанные выше шаги не дают однозначного решения задачи определения факторов.
- 47. Вращение матрицы факторных нагрузок Необходимость вращения факторов возникает чаще всего, когда выявленным факторам не удается дать
- 48. Вращение матрицы факторных нагрузок В программе STATISTICA: Варимакс (Varimax) – это такое ортогональное вращение, при котором
- 49. Вращение матрицы факторных нагрузок Квартимакс (Quartimax) – ортогональное вращение, при котором происходит минимизация количества факторов, необходимых
- 50. Вращение матрицы факторных нагрузок Биквартимакс (Biquartimax) –метод, который является компромиссом между варимаксом и квартимаксом, то есть
- 51. Вращение матрицы факторных нагрузок Эквамакс (Equamax) – тоже является компромиссом между варимаксом и квартимаксом; отличается от
- 52. Алгоритм факторного анализа Заносим данные в программу. Выбираем метод - анализ главных компонент или факторный анализ.
- 53. Алгоритм факторного анализа Выбираем количество факторов. Строим матрицу факторных нагрузок. Вращаем матрицу факторных нагрузок. Интерпретируем факторы.
- 54. Алгоритм факторного анализа Если ничего не получается, то можно попробовать разные способы вращения (возвращаемся на п.5).
- 55. Как это посчитать? Выбираем число факторов
- 56. Как это посчитать? Таблица собственных значений
- 57. Таблица собственных значений
- 58. Как это посчитать? График каменистой осыпи
- 59. График каменистой осыпи
- 60. Как это посчитать? Выбор метода вращения
- 61. Разбиение на группы Если факторы найдены и истолкованы, то на последнем шаге ФА отдельным наблюдениям (т.е.
- 62. Разбиение на группы Таким образом, для каждого наблюдения значения большого количества переменных можно перевести в значения
- 63. Разбиение на группы
- 64. Разбиение на группы
- 65. Разбиение на группы Если факторов больше или введены дополнительные градации (плохо учится – хорошо учится –
- 66. Как это посчитать? Факторные значения
- 67. Факторные значения
- 68. Факторный анализ Наиболее плодотворно использование факторного анализа на ранних стадиях исследования Факторный анализ есть прежде всего
- 69. Удачные примеры (с моей т.з.) Адаптация теста (психодиагностичекой методики) Исследование семантических пространств
- 70. Удачные примеры Измерение личностных особенностей (по Иванову для взрослых) Шкалы: Кривизны Неприспособленности Неудачливости Нужды в психологической
- 71. Удачные примеры Измерение личностных особенностей (по Иванову для взрослых) Шкала кривизны Насколько часто Вы попадаете в
- 72. Удачные примеры
- 73. Удачные примеры Семантический дифференциал (например, у В.Ф. Петренко «Основы психосемантики») Баба Яга Добрая – Злая Красивая
- 74. Удачные примеры
- 75. Удачные примеры
- 76. Требования и ограничения ФА Нормальное распределение всех переменных Все наблюдения независимы По крайней мере интервальные шкалы
- 77. Что представляем в статье? Обычно дается матрица факторных нагрузок после вращения с указанием процента объясненной дисперсии
- 78. Что представляем в статье?
- 79. Что такое КМО? КМО - это показатель Кайзера и его коллег: Kaiser-Meyer-Olkin measure Мера выборочной адекватности
- 80. Что такое КМО? Bartlett's Test of Sphericity – проверяет, является ли матрица единичной, что будет свидетельствовать
- 81. Полезная литература Просто и доходчиво факторный анализ изложен в Гусев А.Н., Измайлов Ч.А., Михалевская М.Б. Измерение
- 82. Полезная литература ПРОГРАММА STATISTICA Боровиков В. Программа STATISTICA для студентов и инженеров. - Компьютер Пресс: Москва,
- 83. Факторный анализ СПАСИБО ЗА ВНИМАНИЕ!
- 84. Факторный анализ Это все был только эксплораторный факторный анализ!
- 85. Конфирматорный ФА Основная идея: Вы сами придумываете модель (какие переменные должны объединяться) и проверяете, насколько это
- 86. Конфирматорный ФА В STATISTICA 6.0 Statistics – Advanced Linear/Nonlinear Models – Structural Equation Modeling – Path
- 87. Конфирматорный ФА
- 88. Конфирматорный ФА Левая сторона показывает, благополучно ли завершились итерации
- 89. Конфирматорный ФА Maximum Residual Cosine – показатель хорошего завершения итераций. Должен быть близок к нулю
- 90. Конфирматорный ФА Maximum Absolute Constraint Тоже показатель хорошего завершения итераций. Должен быть близок к нулю
- 91. Конфирматорный ФА ICSF Criterion. и ICS Criterion. Должны быть близки к нулю
- 92. Конфирматорный ФА Boundary Conditions. Должен равняться нулю. Если этот показатель не равен нулю, критерий хи-квадрат может
- 93. Конфирматорный ФА Правая сторона показывает, соответствует ли реальность Вашей модели
- 94. Конфирматорный ФА Chi-square Statistic Проверяет нуль-гипотезу об идеальном соответствии
- 95. Конфирматорный ФА RMS Standardized Residual Этот показатель должен быть меньше, чем 0,05 для того, чтобы считать
- 96. Конфирматорный ФА Кроме этого, можно посмотреть еще несколько индексов:
- 97. Полезная литература К практическому занятию по ФА надо прочитать: Войскунский А.Е. и др. Мотивация хакеров: психосемантическое
- 99. Скачать презентацию