第12 章 因子分析与对应分析 主成分分析是将多个指标化为少数相互无关的综合指标的统计方法，通常数学上的处理就是将原来的p个指标做线性组合，作为新的综合指标，记第一个综合指标为F1。 选取这个线性组合的原则是令F1的方差最大，称F1为第一主成分；然后选取第二主成分F2，且F1与F2的协方差为0，类似构造其余的主成分。主成分分析【Factor 】过程对观测量数目没有严格要求第一节 因子分析【Factor 】过程主成分分析的推广和发展，对观测量数目要求至少是变量的5 倍以上，且越多越好 一、因子分析简介 做什么？ 因子分析是多元统计分析中处理降维的一种统计方法，它主要将具有错综复杂关系的变量或者样品综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系。 基本思想： （1）首先，通过变量（或样品）的相关系数矩阵（或相似系数矩阵）内部结构的研究，找出能控制所有变量（或样品）的少数几个随机变量（常称为因子）去描述多个变量（或样品）之间的相关（相似）关系； （2）然后，根据相关性（或相似性）的大小把变量（或样品）分组，使得同组内的变量（或样品）之间的相关性（或相似性）较高，但不同组的变量相
