【stata代碼模板】主成分分析及因子分析

[stata代碼模板]主成分分析及因子分析1.主成分分析黃色字體為自己填寫部分，紅色字體為可缺省部分。————————————模板————————————factor變量名,pcfactor(#)covariancemeansmineigen(#)————————————模板————————————pc代表是主成分分析，如果沒有pc，則為因子分析。factor（#）指定保留因子的個(gè)數(shù)，可缺省。covariance指定主成分是從協(xié)方差陣計(jì)算，而不是從相關(guān)陣，也就是說，不加covariance意味著變量被標(biāo)準(zhǔn)化了，可缺省。means給出各變量的均數(shù)、標(biāo)準(zhǔn)差、最小值、最大值，可缺省。mineigen(#)指定保留的最小特征根。2.因子分析主成分分析是將原指標(biāo)的綜合，因子分析是將原指標(biāo)分解。（1）因子載荷估計(jì)黃色字體為自己填寫部分，紅色字體為可缺省部分。————————————模板————————————factor變量名,factor(#)covariancemeans因子提取的方法————————————模板————————————factor（#）、covariance、means與前面意義一樣。因子提取的方法有：Pf主因子法（缺省時(shí)默認(rèn)）pcf主成分因子法ipf迭代因子法ml極大似然法mineigen(#)指定保留的最小特征根，用主成分提取因子時(shí)，缺失值為1，其他情況缺失值為0。（2）因子旋轉(zhuǎn)當(dāng)因子估計(jì)的模型中的公共因子含義不清或沒有合理解釋時(shí)，可對(duì)因子載荷陣進(jìn)行旋轉(zhuǎn)，使因子載荷的結(jié)構(gòu)簡(jiǎn)化，以便于對(duì)公共因子進(jìn)行解釋。其原理很像調(diào)節(jié)顯微鏡的焦點(diǎn)，以便看清楚觀察物的細(xì)微之處?！０濉猺otate,因子旋轉(zhuǎn)的方法————————————模板————————————因子旋轉(zhuǎn)的方法可以缺省，常有以下三種：正交方差極大旋轉(zhuǎn)（varimax），默認(rèn)為此斜交旋轉(zhuǎn)（promax（#），括號(hào)內(nèi)數(shù)為參加旋轉(zhuǎn)的因子數(shù)），一般取2或3個(gè)因子參加旋轉(zhuǎn)，stata中promax（3）為缺省值。Horst修正方差極大旋轉(zhuǎn)和斜交旋轉(zhuǎn)（horst），該法用于正交方差極大旋轉(zhuǎn)或斜交旋轉(zhuǎn)之后，是對(duì)它們的修正。（3）因子得分因子模型為設(shè)為一組樣本，根據(jù)這組樣本估計(jì)出了公共因子個(gè)數(shù)、因子載荷矩陣和特殊方差矩陣，并通過因子旋轉(zhuǎn)使得公共因子有了比較明確的實(shí)際意義。但是，有時(shí)需要反過來將公共因子表示為原始變量（或樣品）的線性組合（稱為因子得分函數(shù)）以對(duì)原始數(shù)據(jù)進(jìn)行深入的分析?！０濉猄ocre新變量,計(jì)算因子得分的方法————————————模板————————————因子得分的方法可缺省，缺省為thompson方法，可以指定的方法有：Bartlett指定bartlett方法norotate指定未旋轉(zhuǎn)的因子計(jì)算例子：如下是某個(gè)測(cè)試得分的數(shù)據(jù)，x1為參與測(cè)試者的編號(hào)，x2-x7為7個(gè)項(xiàng)目的得分計(jì)算因子載荷，在stata中輸入：factorx2-x7得到結(jié)果：Uniqueness是各變量的特殊方差，從結(jié)果中可以知道原變量被分解成四個(gè)因子和一個(gè)特殊方差，以x2為例，模型為：X2=0.8977*f1-0.2370*f2+0.0034*f3-0.0608*f4+0.1343*f4可以看到x6中在f1和f2兩個(gè)因子上都有較大負(fù)荷，x7也有類似情況，為使每個(gè)變量只在一個(gè)因子上有較大負(fù)荷，使得公共