主成分分析法和因子分析法哪个用起来简单？

主成分分析法与因子分析法的区别？~

一、性质不同
1、主成分分析法性质：通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量。
2、因子分析法性质：研究从变量群中提取共性因子的统计技术。
二、应用不同
1、主成分分析法应用：比如人口统计学、数量地理学、分子动力学模拟、数学建模、数理分析等学科中均有应用，是一种常用的多变量分析方法。
2、因子分析法应用：
（1）消费者习惯和态度研究（U&A）
（2） 品牌形象和特性研究
（3）服务质量调查
（4） 个性测试
（5）形象调查
（6） 市场划分识别
（7）顾客、产品和行为分类


扩展资料：
主成分分析的原理是设法将原来变量重新组合成一组新的相互无关的几个综合变量，同时，根据实际需要，尽量少取几个求和变量，以反映原始变量的信息。
这种统计方法被称为主成分分析或主成分分析，这也是一种处理降维的数学方法。主成分分析（PCA）是试图用一组新的不相关的综合指标来代替原来的指标。
因子分析为社会研究的一种有力工具，但不能确定一项研究中有几个因子。当研究中选择的变量发生变化时，因素的数量也会发生变化。此外，对每个因素的实际含义的解释也不是绝对的。
参考资料来源：百度百科-主成分分析
参考资料来源：百度百科-因子分析

联系:因子分析法和主成分分析法都是统计分析方法，都要对变量标准化，并找出相关矩阵。区别:在主成分分析中，最终确定的新变量是原始变量的线性组合，因子分析是要利用少数几个公共因子去解释较多个要观测变量中存在的复杂关系。1.因子分析法通过正交变换，将一组可能具有相关性的变量转换为一组线性不相关的变量，称为主成分。它主要用于市场研究领域。在市场研究中，研究人员关注一些研究指标的整合或组合。这些概念通常通过分数来衡量。人口学、数量地理学、分子动力学模拟、数学建模、数学分析等学科。因子分析和主成分分析都是统计分析方法，都需要对变量进行标准化，找出相关矩阵。2.因子分析可以在许多变量中发现隐藏的代表性因素。主成分分析的原理是尝试将原始变量重新组合成一组新的独立综合变量。因子分析在主成分分析的基础上增加了一个旋转函数。这种轮换的目的是更容易地命名和解释因素的含义。如果研究的重点是指标与分析项目之间的对应关系，或者想要对得到的指标进行命名，建议使用因子分析。3.主成分分析法是根据实际需要，尽量选取尽可能少的求和变量，以反映原始变量的信息。这种统计方法称为主成分分析或主成分分析，这也是一种处理降维的数学方法。主成分分析试图用一套新的不相关的综合指标取代原有指标。因子分析是社会研究的有力工具，但它不能确定一项研究中有多少因素。当研究中选择的变量发生变化时，因素的数量也会发生变化。拓展资料:霍特林将这种方法推广到随机向量的情况。信息的大小通常由方差或方差的平方和来衡量。因子分析最早由英国心理学家C.E.斯皮尔曼提出。他发现学生在不同科目的成绩之间有一定的相关性。一门学科成绩好的学生往往在其他学科成绩更好，因此他推测是否有一些潜在的共同因素或一些一般的智力条件影响学生的学业成绩。

两个方法基本相同，只是因子分析是在主成分基础上，多出一步旋转步骤，为了让提取的成分更容易命名。两种方法都可以在网页版spssau中使用，配合智能文字建议和帮助手册可以能快理解。

如果说研究目的完全在于信息浓缩，并且找出因子与分析项对应关系，建议用因子分析。主成分分析更多用于权重计算，以及综合得分计算。

因子分析-SPSSAU

主成分分析-SPSSAU

 和主成分分析相比，由于因子分析可以使用旋转技术帮助解释因子，在解释方面更加有优势。大致说来，当需要寻找潜在的因子，并对这些因子进行解释的时候，更加倾向于使用因子分析，并且借助旋转技术帮助更好解释。而如果想把现有的变量变成少数几个新的变量（新的变量几乎带有原来所有变量的信息）来进入后续的分析，则可以使用主成分分析。当然，这中情况也可以使用因子得分做到。所以这种区分不是绝对的。

总得来说，主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前 ，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用（我觉得不一定，可以单独用）：a，了解数据。(screening the data),b,和cluster analysis一 起使用，c，和判别分析一起使用，比如当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成份发对变量简化。（reduce dimensionality）d,在多元回归中，主成分分析可以帮助判断是否存在共线性（条件指数），还可以用来处理共线性。

在算法上，主成分分析和因子分析很类似，不过，在因子分析中所采用的协方差矩阵的对角元素不再是变量的方差，而是和变量对应的共同度（变量方差中被各因子所解释的部分）。

因子分子提取的公因子比主成份提取的主成分更具有可解释性。作完探索性因子分析后就可以作确定性因子分析建立模型来明确潜在因子分析之间的关联性。

都还好吧，用SPSS直接代入数据处理就是了，主成分处理起来相对简单一点，但是解释起来挺费劲的。因子分析找到关键因子，解释起来容易些。

---

海丰县13662811759： 主成分分析和因子分析的异同及应用 - ？
诸征消栓： 第一:两种的函数构成相反,因子分析在于发现潜在的影响因素,是可观测自变量之外潜在的因素,主成分则是自变量的系数聚合; 第二:因子分析给出zhidao的重要结果又两个,第一个是因子的命名,也就是潜在的因素,需要命名.第二个是每个因子所占的权重,附加的可以得到每个变量所占的权重.而主成分分析则主要是综合得分和得分的比较. 第三:如果仅从因子综合得分和主成分得分用于综合评价的话,没什么大地区别,计算出各自得分后进行大小排序,比较,就是结果了.

海丰县13662811759： SAS中的主成分分析和因子分析有什么区别? - ？
诸征消栓： 主成分分析就是将多项指标转化为少数几项综合指标,用综合指标来解释多变量的方差- 协方差结构.综合指标即为主成分.所得出的少数几个主成分,要尽可能多地保留原始变量的信息,且彼此不相关. 因子分析是研究如何以最少的信息丢失...

海丰县13662811759： 主成分分析与因子分析有什么作用 - ？
诸征消栓： 主成分分析和因子分析都是信息浓缩的方法,即将多个分析项信息浓缩成几个概括性指标. 因子分析在主成分基础上,多出一项旋转功能,该旋转目的即在于命名,更容易解释因子的含义.如果研究关注于指标与分析项的对应关系上,或是希望将得到的指标进行命名,SPSSAU建议使用因子分析. 主成分分析目的在于信息浓缩(但不太关注主成分与分析项对应关系),权重计算,以及综合得分计算.如希望进行排名比较,计算综合竞争力,可使用主成分分析. SPSSAU可直接使用这两种方法,支持自动保存因子得分及综合得分,不需要手动计算.

海丰县13662811759： 主成分分析与因子分析的区别和联系 - ？
诸征消栓： 以下是我自己通俗的理解哈. 主成分分析,就是多个变量综合起来反应一个指标,要把这个指标找出来. 因子分析就是其实潜在的有几个指标,而表现出来的是这几个指标随机组合作用出来的结果. 因子分析不好理解是吧,举个例子:给人做智力测验,得到了算数成绩,迷宫成绩,脑筋急转弯成绩等等.但这些成绩是由潜在的因子即这个人的记忆力、反应能力等等方面综合作用出来的.

海丰县13662811759： 我用的前人的经典问卷,施测后,用主成分分析法进行因子分析,得到的结果和问卷原因子不同,这怎么解释? - ？
诸征消栓： 每次调查数据分析出来的是不同的,但是经典问卷的维度划分是经过多次验证的,所以还是参考

海丰县13662811759： 因素分析就是因子分析吗? - ？
诸征消栓： 因子分析与因子分析法主成分分析通过线性组合将原变量综合成几个主成分,用较少的综合指标来代替原来较多的指标(变量).在多变量分析中,某些变量间往往存在相关性.是什么原因使变量间有关联呢?是否存在不能直接观测到的、但影...

海丰县13662811759： SPSS中因子分析和主成分分析的区别? - ？
诸征消栓： 因子分析法和主成分2113分析法都是降维处理多变量的回归问题,不同意楼5261上的说法,不是包含的关系.另外主成分4102分析法在SPSS中没有办法直接实现,是通过因子分析来构建模型的.它们的区别还是模型构建体1653系不一样,因子分析是 F=AX; 主成分版分析则是用特征根向量求出的矩阵算出因子得分,与因子分析直接得出的得分是不一样的权.

海丰县13662811759： 主成分分析与因子分析的异同是什么?试从主成分分析与因子分析的分...？
诸征消栓： 茶店子公交站没有到都江堰的车,它旁边的茶店子客运站才有到都江堰的客车,17元,滚动发车;到站都江堰客运中心以后,坐都江堰7路车到终点站就是都江堰景区门口;坐都江堰101路可到青城山景区.

海丰县13662811759： 请教SPSS高人,主成份分析和因子分析有什么不同?做主成分分析目的是什么?谢谢 - ？
诸征消栓： 主成分分析可以理解为一种数据的处理理论,也可以理解为一种应用方法.而因子分析则可以理解为一种应用方法,因为做因子分析采用的比较多的就是用主成分分析的方法来浓缩因子.所以 其实所谓的区别只不过是在学科研究当中存在的,因...