Bài giảng Phân tích số liệu - Bài 9: Phân tích nhân tố

Chia sẻ: Mhvghbn Mhvghbn | Ngày: | Loại File: PPT | Số trang:11

Thêm vào BST

Báo xấu

219
lượt xem 46
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nội dung Bài giảng Phân tích số liệu - Bài 9: Phân tích nhân tố nêu nhân tố trực giao, mục đích phân tích nhân tố và phân tích nhân tố. Phân tích nhân tố (factor analyze) là phương pháp thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn, không tương quan với nhau (gọi là nhân tố) nhưng chúng vẫn chứa đựng hầu hết thông tin của tập biến ban đầu.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Phân tích số liệu - Bài 9: Phân tích nhân tố

BÀI 9 PHÂN TÍCH NHÂN TỐ
MỤC ĐÍCH PHÂN TÍCH NHÂN TỐ  Phân tích nhân tố (factor analyze) là phương pháp thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn, không tương quan với nhau (gọi là nhân tố) nhưng chúng vẫn chứa đựng hầu hết thông tin của tập biến ban đầu.  Phân tích nhân tố có thể phát hiện cấu trúc chính của tập các biến phân tích. Các nhân tố là các biến tiềm ẩn, không quan sát được.  Phân tích nhân tố có thể sử dụng cho các phân tích nhiều chiều khác như hồi quy bội, phân tích phân biệt, phân tích chùm …
MÔ HÌNH NHÂN TỐ TRỰC GIAO  Giả sử có k biến phân tích X1, X2, …, Xp tương quan với nhau. Phân tích nhân tố là tìm m nhân tố F1, F2, …, Fm không tương quan (m < p) sao cho trong đó:  Các nhân tố Fj có E(Fj) = 0, D(Fj) = 1 và cov(Fj, Fk) = 0.  Các sai số εi có E(εi) = 0, cov(εi, Fj) = 0.  Các biến Xi có cov(Xi, Fj) = aịj (gọi là hệ số loading) và D(Xi) = ai12 + ai22 + … + aim2 + D(εi).  Việc xác định các hệ số aij là dựa vào phân tích ma trận tương quan mẫu).
PHƯƠNG PHÁP PHÂN TÍCH  Phương pháp thường dùng là Phân tích thành phần chính (Principal Component)
CHỌN SỐ NHÂN TỐ  Dựa vào phương sai trích được của các nhân tố
PHÂN TÍCH VÀ CHỌN NHÂN TỐ  Độ đo KMO (Kaiser-Meyer-Olkin Measure of Sampling Adequacy) để xét xem sự phù hợp của phân tích nhân tố. 0,5 < KMO
PHÂN TÍCH VÀ CHỌN NHÂN TỐ  Chọn các nhân tố dựa vào phương sai trích (Total Variance Explained) là tỷ lệ % giải thích về sự biến động của mẫu quan sát của các nhân tố. Các nhân tố thường chọn nếu có giá trị riêng tương ứng Eigenvalue > 1 và tổng phương sai trích các nhân tố chọn > 50%.
PHÂN TÍCH VÀ CHỌN NHÂN TỐ  Xác định sự tương quan (hệ số loading) của các biến đối với các nhân tố chọn. Những biến có tương quan thấp với các nhân tố (thường nhỏ hơn 0.3 hoặc 0.5) thì nên loại ra khỏi phân tích. Cũng nên dựa vào phương sai chung (communality) của mỗi biến để đánh giá tốt hơn.
PHÂN TÍCH VÀ CHỌN NHÂN TỐ  Xác định “tên” nhân tố dựa vào tương quan các biến phân tích với các nhân tố chọn. Thường kết hợp thêm phương pháp xoay (rotation) để giải thích tốt hơn biến ảnh hưởng đến các nhân tố.
PHÂN TÍCH VÀ CHỌN NHÂN TỐ  Lưu các biến nhân tố để sử dụng cho các phân tích thống kê khác. Lưu ý rằng, các biến nhân tố có trung bình bằng 0, phương sai bằng 1 và không tương quan với nhau.
THỰC HÀNH Bài toán: Trong file Mubaohiem.sav, phân tích nhân tố cho các biến đánh giá các yếu tố về việc xem xét khi mua mũ bảo hiểm (Q3.1 - Q3.6)