Ограничения применимости факторного анализа
В основе корреляционного анализа обычно лежит корреляционная матрица. Целесообразность выполнения анализа определяется корреляцией между переменными. Если корреляции между переменными небольшие, то факторный анализ проводить бессмысленно.
Для
проверки целесообразности использования
факторной модели анализа зависимости
переменных существует несколько
статистик. С помощью критерия сферичности
Бартлетта проверяется нулевая гипотеза
об отсутствии корреляции между переменными
в генеральной совокупности. Проверка
основана на преобразовании детерминанта
корреляционной матрицы в статистику
.
При большом значении статистики и малом
значении наблюдаемого уровня значимости
нулевую гипотезу отвергают. Значение
уровня значимости меньшее 0,05 указывает
статистическую значимость отличия
коэффициента корреляции от 0 и
соответственно, свидетельствуют о
возможности проведения факторного
анализа.
Мера выборочной адекватности Кайзера-Мейера-Олкина (КМО) основан на сравнении наблюдаемых парных коэффициентов корреляции со значениями частных коэффициентов корреляции. Небольшие значения статистики указывают на то, что корреляции между парами переменных нельзя объяснить другими переменными и что использование факторного анализа нецелесообразно. Предлагаются следующие оценки степени применимости факторного анализа к данной выборке:
>0.9 |
0.8-0.9 |
0.7-0.8 |
0.6-0.7 |
0.5-0.6 |
<0.5 |
отличная |
хорошая |
приемлемая |
сомнительная |
малопригодная |
недопустимая |
Метод главных компонент (мгк)
Пусть
в примере (рис.1) имеется
рассматриваемых объектов, для каждого
из которых определено значение четырех
признаков. В четырехмерном графическом
пространстве с осями координат
это может быть представлено как облако
из
точек. Если рассечь это четырехмерное
пространство плоскостью, в которой
находятся координатные оси, отвечающие
признакам
и
,
то в сечении окажется облако точек,
которое в условиях взаимосвязи признаков
и
друг с другом представляет собой эллипс
рассеяния.
Если переменные стандартизированы (то есть, центрированы и нормированы) (2) центр этого эллипса рассеяния будет находиться в точке начала координат, как показано на рисунке 3.
Вследствие
нормировки главная ось эллипса проходит
через первый и третий квадрант при
,
либо через второй и четвертый при
.
Форма этого эллипса (сжатость –
вытянутость) будет определяться величиной
коэффициента корреляции
с
,
т.е.
,
Чем больше
,
тем более вытянут эллипс и при
он превращается в прямую линию, а при
- в круг. Проведем оси эллипса
и
.
Ясно, что по мере увеличения
происходит уменьшение степени разброса
точек наблюдений вдоль одной оси эллипса
(на рисунке – ось
)
и увеличение разброса вдоль другой оси
эллипса (на рисунке – ось
).
Рисунок 3
Если
перейти от исходной координатной системы
,
к новой
,
,
оси которой ориентированы вдоль осей
эллипса рассеяния, то очевидно, что в
новой системе координат значения
переменной
вдоль оси
будут иметь меньшую дисперсию, чем в
исходной системе вдоль оси
,
а значения этой переменной вдоль оси
,
наоборот, будут иметь большую дисперсию,
чем в исходной системе вдоль оси
.
Поэтому переменная несет в себе больше информации о выборке, чем . При этом, чем сильнее связаны между собой признаки и , тем большим становится удельный вес той из новых переменных, которая ориентируется вдоль главной оси эллипса рассеяния.
Следовательно, в случае многомерного пространства появляется возможность ранжирования переменных (признаков) по их дисперсии в соответствии с их вкладом (значимостью) в общую характеристику изучаемого объекта, т.е. по уменьшению дисперсии значений признаков вдоль новых координатных осей .
Можно
предположить, что в многомерном
пространстве облако точек выборочной
многомерной совокупности по аналогии
с рассмотренным выше двумерным случаем,
представляет собой эллипсоид с несколькими
разновеликими ортогональными осями.
Поэтому в условиях взаимозависимости
признаков для более компактного
представления информации переходят к
новой ортогональной системе координат
(ориентированной по главным осям этого
эллипсоида), которой отвечают новые
переменные – главные компоненты
(
и
).
Они концентрируют в себе основную
информацию об исходной выборке, что
позволяет снизить размерность исходного
признакового пространства (
).
Эта процедура перехода к новой
ортогональной системе координат (
)
и составляет сущность метода главных
компонент (МГК).
Указанный
переход не затрагивает геометрической
структуры взаимного расположения точек
наблюдений
.
Характер их распределения сохраняется.
Поэтому суммарная дисперсия остается
прежней, т.е.
(7)
(Рассматривается случай, когда число главных компонент равно числу наблюдаемых переменных).
Факторные
нагрузки
в уравнениях (5)-(6) представляют собой
коэффициенты корреляции между исходными
и новыми
переменными:
.
Дисперсия случайных многомерных величин характеризуется ковариационной либо корреляционной матрицей.
Элементы
ковариационной матрице являются
ковариациями соответствующих переменных
(
– номера признаков (
)).
На диагонали матрицы расположены
дисперсии переменных.
Корреляционная
матрица
содержит в качестве своих элементов
линейные коэффициенты парной корреляции
i–ого
признака с j–тым
признаком (
).
Диагональные элементы матрицы –
дисперсии стандартизированных переменных
равны 1.
. (8)
Суммарная
дисперсия всей системы
-признаков
в выборочной совокупности объема
равна сумме этих единиц, т.е. равна следу
корреляционной матрицы
.
Корреляционная
матриц путем линейных преобразований
может быть преобразована в диагональную,
то есть матрицу, все значения которой,
кроме диагональных, равны нулю. Превращение
в нуль недиагональных членов означает,
что признаки становятся независимыми
друг от друга (
при
).
Но и в этих условиях суммарная дисперсия
всей системы
-признаков
в выборочной совокупности остается
прежней. Однако её значение перераспределяется
по
-признакам.
Диагональные
элементы полученной матрицы являются
собственными значениями корреляционной
матрицы
.
Эти собственные значения и есть величины
дисперсии признаков
в условиях, если бы признаки были бы
независимыми друг от друга. Сумма этих
собственных значений
равна следу корреляционной матрицы,
т.е.
,
то есть количеству переменных.
Процедура
нахождения значений этих дисперсий
представляет собой нахождение собственных
значений
корреляционной матрицы для каждого из
-признаков.
Корреляционную и диагональную матрицы
связывает соотношение
,
(9)
где
- диагональная матрица, на главной
диагонали которой находятся собственные
числа
корреляционной матрицы,
- матрица, столбцы которой – собственные
вектора корреляционной матрицы
.
Нормированный
собственный вектор
равен
(10)
В случае использования стандартизированных исходных данных вектор собственных значений будет нормирован изначально.
Собственные
значения
могут быть найдены как корни
характеристического уравнения
(11)
Собственный
вектор
,
соответствующий собственному значению
корреляционной матрицы
,
определяется как отличное от нуля
решение уравнения
(12)
Каждое собственное значение корреляционной матрицы соответствуют одной главной компоненте, а доля -той компоненты в общей дисперсии может быть определена по формуле
(13)
Матрица
факторных нагрузок
содержит факторные нагрузки
для всех
-признаков
и
-факторов
и может быть определена как
, (14)
Факторные нагрузки изменяются от –1 до +1 и являются аналогом коэффициентов корреляции. В матрице факторных нагрузок необходимо выделить значимые и незначимые нагрузки с помощью критерия Стьюдента. Расчетное значение критерия определяют по формуле
. (15)
Проверку гипотезы о значимости факторной нагрузки осуществляют путям сравнения с критическим значением или путем нахождения наблюдаемого значения уровня значимости.
Сумма
квадратов нагрузок
-ой
компоненты по всем наблюдаемым признакам
равна собственному значению данного
фактора
.
Тогда можно определить вклад
-ой
переменной в формировании
-ой
компоненты:
.
(15)
Вклад
каждой из компонент в формировании
значений того или иного признака
составляет
.
Сумма
квадратов всех факторных нагрузок одной
переменной на полный набор факторов по
строке равна единице
,
то есть полной дисперсии одной
стандартизированной переменной, а сумма
квадратов всех факторных нагрузок всех
факторов по всем переменным равна
суммарной дисперсии (т.е. следу или
порядку корреляционной матрицы, или
сумме её собственных значений).
.
Таким образом, общий вклад всех главных компонент в суммарную дисперсию равен . Тогда удельный вклад -й главной компоненты определяется по формуле
.
Обычно для анализа используют первых главных компонент, вклад которых в суммарную дисперсию превышает 60—70%. Если главные компоненты упорядочены в порядке убывания, то суммарный вклад первых главных компонент определяется из выражения
.
Матрица факторных нагрузок А используется для смысловой интерпретации главных компонент, которые представляют собой линейные функции исходных признаков. Для интерпретации главных компонент используется лишь часть переменных, для которых |факторные нагрузки являются значимыми.
В
общем виде факторная структура
–го
признака представляется в форме
,
в которую включаются лишь значимые
нагрузки.
Матрицу значений главных компонент
можно получить из формулы
Используя матрицу факторных нагрузок можно вычислить значения всех факторов для каждого наблюдения исходной выборочной совокупности по формуле:
,
(15)
Вычисленные значения главных компонент широко используются для графического представления результатов факторного анализа.
По
матрице факторных нагрузок может быть
восстановлена корреляционная матрица:
.
Восстановленные только по главным
компонентам коэффициенты корреляции
будут меньше исходных по абсолютной
величине, а на диагонали будут не 1, а
значения общностей.
Часть дисперсии переменной, объясняемая оставленными главными компонентами, называется общностью. Для каждой переменной общность может быть вычислена по формуле
,
где - номер переменной, а -номер главной компоненты.