Trong những điều kiện nào có thể phân tích thành phần chính (PCA) và phân tích nhân tố (FA) để mang lại kết quả tương tự?
p
là lớn; 2) tiếng ồn là nhỏ đối với tất cả các biến; 3) tiếng ồn là bằng nhau cho tất cả các biến.
Trong những điều kiện nào có thể phân tích thành phần chính (PCA) và phân tích nhân tố (FA) để mang lại kết quả tương tự?
p
là lớn; 2) tiếng ồn là nhỏ đối với tất cả các biến; 3) tiếng ồn là bằng nhau cho tất cả các biến.
Câu trả lời:
Đây là một câu hỏi xuất sắc, nhưng thật không may (hoặc có thể may mắn thay?) Tôi mới chỉ viết một câu trả lời rất dài trong một chủ đề liên quan , giải quyết câu hỏi của bạn gần như chính xác. Tôi vui lòng yêu cầu bạn nhìn vào đó và xem nếu điều đó trả lời câu hỏi của bạn.
Rất ngắn gọn, nếu chúng ta chỉ tập trung vào PCA và FA loadings , sau đó sự khác biệt là PCA thấy W để tái tạo lại các hiệp phương sai mẫu (hoặc tương quan) ma trận C càng gần càng tốt: C ≈ W W ⊤ , trong khi FA phát hiện W để tái tạo lại phần off-đường chéo của hiệp phương sai (hoặc tương quan) chỉ ma trận: o f f d i một g { C } ≈ W W ⊤ . Bằng cách này, tôi có nghĩa là FA không quan tâm đến những giá trị W W ⊤
Với suy nghĩ này, câu trả lời cho câu hỏi của bạn trở nên dễ nhìn. Nếu số của các biến (kích thước của C ) lớn, thì phần ngoài đường chéo của C gần như là toàn bộ ma trận (đường chéo có kích thước n và toàn bộ kích thước ma trận n 2 , vì vậy đóng góp của đường chéo chỉ là 1 / n → 0 ) và vì vậy chúng ta có thể mong đợi rằng PCA xấp xỉ FA tốt. Nếu các giá trị đường chéo khá nhỏ, thì một lần nữa chúng không đóng vai trò nhiều cho PCA và PCA cuối cùng gần với FA, chính xác như @ttnphns đã nói ở trên.
p-m
p
m