因子分析原理及实现_使用主因子方法进行因子分析

因子分析模型

主成分分析在降维中主要是对原始变量进行线性组合，如$$\text{Y}=\text{AX}，X\in {\mathbf{R}}^{n\times p}$$首先对原始数据进行标准化后取协方差矩阵所得的m个(或者说成m维数)较大的特征值${\lambda }_i$,且满足$\frac{\sum _i^m{\lambda }_i}{p}>80\%$(通常意义下)，则可以放心的将p维的数据降维成m维的，这在后续数据的处理中可以减少计算量及方便可视化。但主成分只涉及一般的变量变换，并且对降维后的数据进行解释较为困难。

正交因子模型

设数据中的p个变量可以归功于m个因素(或m件事被分为有p个人做)
$$x_i=u_i+a_{i1}{f}_1+a_{i2}{f}_2+\cdots +a_{im}{f}_m+{\epsilon }_i$$
采用矩阵的形式表示，$\mathbf{x}=(x_1,\cdots ,x_p{)}^T$，公共因子$\mathbf{f}=(f_1,\cdots ,f_m{)}^T$,特殊因子$\epsilon =({\epsilon }_1,\cdots ,{\epsilon }_p{)}^T$;在处理前对数据进行标准化后变量均值$u_i=0\forall i=1,2,\cdots ,p$,$A=(a_{ij})$称为因子载荷矩阵。故可以表示为
$$\mathbf{x}=A\mathbf{f}+\epsilon$$
下面我们作几个假设，并且可以说是显然的。

1. 公共因子$f$与特殊因子$\epsilon$互不相关(否则$\epsilon$是可以被公共因子所解释)。
2. 公共因子之间相互无关
   不失一般性可以假设：
3. $E(f)=0,E(\epsilon )=0,\text{及}Var(f_i)=1$

两边同时求方差可以得$\Sigma =A{A}^T+D$，其中D=Var($\epsilon$)是对角阵.

因子载荷矩阵的性质

1. 每一个元素$a_{ij}$表示$x_i$与$f_i$之间的相关系数
   Proof
   $$\begin{gathered} Cov(x,f)=Cov(Af+\epsilon )=AVar(f)+Cov(\epsilon ,f)=A \\ \rho (x_i,f_j)=\frac{Cov(x_i,f_j)}{\sqrt{Var(x_i)Var(f_j)}}=a_{ij} \end{gathered}$$
2. A 的行元素的平方和表现为公共因子对$x_i$的影响
   Proof
   $$\begin{gathered} Var(x_i)=a_{i1}^{2}Var(f_1)+\cdots +a_{i,m}^{2}Var(f_m)+V(\epsilon ) \\ =\sum _{j=1}^m{a}_{ij}^2+{\sigma }_i^2 \\ =h_i^2+{\sigma }_i^2 \\ =1 \end{gathered}$$
3. A的列元素平方和表现为公共因子$f_j$对$x_1,\cdots ,x_p$的影响，也是对比公共因子重要性的一个标准.
4. A的元素平方和为$f_1,\cdots ,f_m$对总方差的累计贡献

迭代求解(主因子法)

初始化特殊方差${\sigma }_i^2$,计算$\Sigma -D$的特征值${\lambda }_1,\cdots ,{\lambda }_m$和线性无关的特征向量$t_1,\cdots ,t_m$，则前m个较大的组成A的主因子分解
$$\hat{A}=(\sqrt{{\lambda }_1}{t}_1,\cdots ,\sqrt{{\lambda }_m}{t}_m)$$
再计算特殊因子方差${\sigma }_i^2=1-h_i^2$,代入上式迭代知道所求主因子稳定即可.

因子旋转

当主因子仍不好解释时采用，正交因子旋转是对公共因子作用一个正交旋转变换，$f^{\ast }=T^{T}f$,载荷矩阵相应的变为$A^{\ast }=AT$。可以发现正交旋变换后结构不变。

Python程序实现

以一个简单的例子展现python中factor_analyzer库中的因子分析

import pandas as pd
import numpy as np
from pandas import DataFrame,Series
from factor_analyzer import FactorAnalyzer

datafile = u'f:\\Factor\data.xls'
data = pd.read_excel(datafile)
data = data.fillna(0)#用0填充空值
 
fa = FactorAnalyzer()
fa.analyze(data, 5, rotation=None)#固定公共因子个数为5个
print("公因子方差:\n", fa.get_communalities())#公因子方差
print("\n成分矩阵:\n", fa.loadings)#成分矩阵
var = fa.get_factor_variance()#给出贡献率
print("\n解释的总方差（即贡献率）:\n", var)
 
fa_score = fa.get_scores(data)#因子得分
fa_score.head()
 
#将各因子乘上他们的贡献率除以总的贡献率,得到因子得分中间值
a = (fa.get_scores(data)*var.values[1])/var.values[-1][-1]
 
#将各因子得分中间值相加，得到综合得分
a['score'] = a.apply(lambda x: x.sum(), axis=1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24