一、主成分分析

主成分分析（Principal Component Analysis, PCA）是一種常用的無監(jiān)督數(shù)據(jù)降維技術(shù)，廣泛應(yīng)用于統(tǒng)計學(xué)、數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)等領(lǐng)域。它通過正交化線性變換將（高維）原始數(shù)據(jù)投影到一個新的坐標(biāo)系（低維空間），同時保留數(shù)據(jù)的主要變異信息，使得新坐標(biāo)系中的第一個坐標(biāo)軸（主成分1）上的方差最大，第二個坐標(biāo)軸（主成分2）上的方差次大，并且各個坐標(biāo)軸之間相互正交（即不相關(guān)）。PCA 的目標(biāo)是通過保留數(shù)據(jù)的主要變異方向來減少數(shù)據(jù)的維度，同時盡可能少地丟失信息。

psych擴(kuò)展包能提供很豐富和有用的函數(shù)，它的輸出結(jié)果也更接近商業(yè)統(tǒng)計分析軟件，如SAS和SPSS等，所使用的函數(shù)為principal()函數(shù)。

principal()函數(shù)

# 準(zhǔn)備數(shù)據(jù)（以 iris 數(shù)據(jù)集為例）
head(iris)
# 去除標(biāo)簽列，只保留數(shù)值列
iris_data <- iris[, 1:4]
head(iris_data)

?principal()函數(shù)的nfactors用來指定各種主成分，iris_data里面有4種變量，所以指定為4。

library(psych)
pcal_iris <- principal(iris_data, nfactors=4)
pcal_iris

從上面的結(jié)果可知，前三個成分（RC1+RC3+RC2）的累計解釋比例（Cumulative Proportion）為99%，前兩個成分（RC1+RC3）的累計解釋比例（Cumulative Proportion）為72%，所以選擇這兩個或三個主要成分是合適的。?

pcal_iris1 <- principal(iris_data, nfactors=3)
pcal_iris1

從上面結(jié)果可知，當(dāng)nfactors為3時，累計比例能近似達(dá)到100%，說明用三個主成分代替原有變量的信息是足夠的。?

二、因子分析

因子分析（Factor Analysis）是一種降維技術(shù)，它用于研究變量之間的內(nèi)在關(guān)系，試圖通過少數(shù)幾個“潛在變量”（或稱“因子”）來解釋多個觀測變量之間的相關(guān)性，其核心思想是降維和結(jié)構(gòu)探測。這些潛在變量是不可直接觀測的，但可以通過它們對觀測變量的影響來推斷。因子分析在心理學(xué)、社會學(xué)、市場研究、生物學(xué)等多個領(lǐng)域都有廣泛應(yīng)用。

根據(jù)是否已知潛在結(jié)構(gòu)，可以將因子分析分為探索性因子分析（Exploratory Factor Analysis，EFA）和驗證性因子分析（Confirmatory Factor Analysis，CFA）。

1、注意事項

在進(jìn)行因子分析，需要注意以下兩個方面。

保證有足夠的樣本量。一般認(rèn)為樣本量小于50時，不適合做因子分析；樣本量至少在100以上；樣本量達(dá)到1000時，效果會比較好。而且，樣本量的選擇還受原始變量數(shù)量的影響，一般樣本量至少是原始變量數(shù)量的5倍以上，10倍更好。

原始變量之間應(yīng)該要有足夠的相關(guān)性。如果所有或者大部分原始變量是相互獨(dú)立或者相關(guān)系數(shù)都小于0.3，則不能從中提取公共因子，即數(shù)據(jù)不適合進(jìn)行因子分析。

原始變量之間的相關(guān)性可以使用KMO（Kaiser-Meyer-Oklin）檢驗或Bartlett球形檢驗。

因子分析可以使用psych擴(kuò)展包中的fa()函數(shù)。

fa(r, nfactors, n.obs, rotate, scores, fm)

1. r：相關(guān)系數(shù)矩陣或者原始數(shù)據(jù)矩陣；
2. nfactor：因子數(shù)，默認(rèn)為1；
3. n.obs：觀測數(shù)，當(dāng)r為相關(guān)系數(shù)矩陣時需手動輸入；
4. rotate：設(shè)定因子旋轉(zhuǎn)的方法，默認(rèn)為promax（斜交旋轉(zhuǎn)）；還有 varimax（正交旋轉(zhuǎn)）旋轉(zhuǎn)有助于更好地解釋因子結(jié)構(gòu)。
5. scores：是否計算因子得分，默認(rèn)為FALSE，且要求r為原始數(shù)據(jù)矩陣；
6. fm：因子提取方法，默認(rèn)為minres，一般選擇ml（最大似然法）。

2、分析步驟

下面使用R語言中的內(nèi)置數(shù)據(jù)集mtcars做演示：

2.1 準(zhǔn)備數(shù)據(jù)

library(psych)
library(GPArotation) # 支持因子旋轉(zhuǎn)
head(mtcars)
data <- mtcars[,c("mpg", "disp", "hp", "drat", "wt", "qsec")]
head(data)

2.2 檢查數(shù)據(jù)的適用性

檢驗相關(guān)性：如果變量間相關(guān)性較低（絕對值<0.3），可能不適合因子分析

cor_data <- cor(data)
cor_data

從下面結(jié)果可知，絕大多數(shù)的絕對值都大于0.3。?

?KMO檢驗：KMO值>0.6表示數(shù)據(jù)適合做因子分析。

KMO(data)

從下面結(jié)果可知，Overall MSA=0.76>0.6。?

?Bartlett球形檢驗：?p<0.05時適合做因子分析。

cortest.bartlett(cor_data, n = nrow(data)) 

從下面結(jié)果可知，p=1.332068e-30 < 0.05。?

?2.3 確定因子數(shù)量

特征值（Eigenvalues）：碎石圖，選擇特征值>1的因子

eigen_values <- eigen(cor_data)$values
plot(eigen_values, type = "b", main = "Scree Plot")

從以下結(jié)果可知，只能選擇2個因子。?

?

?平行分析（Parallel Analysis）：

fa.parallel(cor_data, n.obs=nrow(data), fm="ml", fa = "fa", n.iter=100)

從以下碎石圖結(jié)果可知，建議取2個因子（虛線上面的小三角形個數(shù)）?

2.4 進(jìn)行因子分析

使用正交旋轉(zhuǎn)。

#   數(shù)據(jù)為相關(guān)矩陣 
#   nfactors: 因子數(shù)
#   最大迭代次數(shù)為100次
#   rotate: 旋轉(zhuǎn)方法（"varimax"正交旋轉(zhuǎn)，"oblimin"斜交旋轉(zhuǎn)）
#   fm: 因子提取方法（"pa"主成分，"ml"極大似然）
result <- fa(r = cor_data, nfactors = 2, n.obs = nrow(data), n.iter=100, rotate = "varimax", fm = "ml")
result

從以下結(jié)果可知，2個因子一共解釋了100%的變異。?

使用斜交旋轉(zhuǎn)。

result <- fa(r = cor_data, nfactors = 2, n.obs = nrow(data), n.iter=100, rotate = "promax", fm = "ml")
result

?2.5 可視化結(jié)果

# 繪制因子載荷圖
fa.diagram(result)