×
特伦达菲洛夫（Nickolay T.Trendafilov）。;斯蒂芬·昂克尔;克扎诺夫斯基，沃伊特克

探索性因素和主成分分析：一些新的方面。 （英语） Zbl 1322.62043号

统计计算。 23，第2期，209-220（2013）.
小结：探索性因子分析（EFA）和主成分分析（PCA）是简化数据矩阵表示和研究数据矩阵结构的常用技术。然而，这些根本不同的技术经常被混淆，它们之间的差异被掩盖，因为它们在一些实际案例中给出了类似的结果。因此，我们通过将EFA视为矩阵分解，从而可以直接与PCA下的数据矩阵分解进行比较，来研究期望它们彼此接近的条件。相应地，我们提出了一种扩展的PCA，称为类EFA PCA，它模拟了EFA矩阵分解，因为它们包含相同的未知数。我们提供了估计类EFA主成分分析参数的迭代算法，并推导了两种技术必须满足的条件，以获得类似的结果。在整个过程中，我们分别考虑了案例（n>p）和（p\geq n）。所有导出的算法和矩阵条件都在两个数据集上进行了说明，这两种情况各有一个数据集。

引用于5文件

MSC公司：

62-07 数据分析（统计）（MSC2010）
62H25个 因子分析和主成分；对应分析

关键词：

数据矩阵分解;SVD和QR分解;投影梯度;最优性条件;Procrustes问题

软件：

算法844
PDF格式BibTeX公司 XML格式引用
\textit{N.T.Trendafilov}等人，《统计计算》。23，第2号，209--220（2013；Zbl 1322.62043）
全文： 内政部

参考文献：

[1] Berry，M.W.，Pulatova，S.A.，Stewart，G.W.：算法844：计算稀疏矩阵的稀疏缩减秩近似。ACM事务处理。数学。柔和。31, 252–269 (2005) ·Zbl 1070.65539号 ·数字对象标识代码：10.1145/1067967.1067972
[2] De Leeuw，J.：部分观测线性系统的最小二乘最优缩放。收录于：van Montfort，K.，Oud，J.，Satorra，A.（编辑）《结构方程模型的最新发展：理论与应用》，第121-134页。Kluwer学术，多德雷赫特（2004）·Zbl 05196650号
[3] Golub，G.H.，Van Loan，C.F.：《矩阵计算》，第三版。约翰·霍普金斯大学出版社，巴尔的摩（1996）·Zbl 0865.65009号
[4] Harman，H.H.：《现代因素分析》，第三版。芝加哥大学出版社，芝加哥（1976）·Zbl 0161.39805号
[5] Hotelling，H.：将复杂的统计变量分析为主成分。J.教育。精神病。24(6), 417–441 (1933). 续24（7），498–520·doi:10.1037/h0071325
[6] 乔利夫，麻省理工学院：主成分分析，第2版。斯普林格，纽约（2002）·Zbl 1011.62064号
[7] Magnus，I.R.，Neudecker，H.：矩阵微分学及其在统计学和计量经济学中的应用，第3版。奇切斯特·威利（2007）·Zbl 0651.15001号
[8] Mulaik，S.A.：回顾因子分析中的不确定性争议。摘自：Maydeu-Olivares，A.，McArdle，J.J.（编辑）《当代心理测量学：罗德里克·麦克唐纳的节日》，第173-206页。Lawrence Erlbaum，Mahwah（2005）
[9] Mulaik，S.A.：《因子分析基础》，第2版。查普曼和霍尔/CRC，博卡拉顿（2010年）
[10] Pearson，K.：在最接近空间点系的直线和平面上。菲洛斯。杂志2559–572（1901）·doi:10.1080/14786440109462720
[11] Rao，C.R.：主成分和因素分析。收录于：Maddala，G.S.，Rao，C.R.（编辑）《统计手册》，第14页，第489-505页。Elsevier，阿姆斯特丹（1996）
[12] Schneeweiss，H.，Mathes，H.：因子分析和主成分。J.多变量。分析。55, 105–124 (1995) ·Zbl 0845.62044号 ·doi:10.1006/jmva.1995.1069
[13] 斯皮尔曼：“一般智力”，客观地确定和衡量。美国心理学杂志。15, 201–292 (1904) ·doi:10.2307/1412107
[14] Stewart，G.W.：矩阵算法，第一卷：基本分解。费城，SIAM（1998）
[15] Thurstone，L.L.：多因素分析。芝加哥大学出版社，芝加哥（1947）·Zbl 0029.22203号
[16] Trendafilov，N.T.：多元数据分析的动力系统方法，综述。J.计算。图表。Stat.15，628–650（2006年）·doi:10.1198/106186006X130828
[17] Trendafilov，N.T.，Unkel，S.：变量多于观测值的数据矩阵探索性因子分析。J.计算。图表。统计数据（2011年）。doi:10.1198/jcgs.2011.0921·Zbl 1305.65081号
[18] Unkel，S.，Trendafilov，N.T.：探索性因子分析中的同步参数估计：一篇解释性综述。国际统计版次78，363–382（2010）·Zbl 1284.62361号 ·doi:10.1111/j.1751-5823010.00120.x
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。