Phân tích thành phần chính (PCA) và phân tích nhân tố khám phá (EFA)

Cập nhật: 04/10/2022 bởi admin0

Phân tích thành phần chính (PCA) và phân tích nhân tố khám phá (EFA)

Đây là 2 kỹ thuật được đóng gói chung trong menu Exploratory Factor Analysis của SPSS nên hay được gọi chung là “phân tích nhân tố khám phá EFA”. Thực ra nếu gọi chung bằng một cái tên thì nên gọi chung là kỹ thuật “phân tích nhân tố FA” (Factor Analysis)

Hai phương pháp này khác nhau về bản chất nhưng có hình hài khá tương đồng ở chỗ giảm thiểu đáng kể chiều của dữ liệu dựa trên việc nhóm các biến có quan hệ tuyến tính mạnh thành các tổ hợp tuyến tính.

Chúng khác biệt ở chỗ

+ Trong phân tích thành phần chính PCA, các thành phần là các tổ hợp tuyến tính trực giao thực tế giúp tối đa hóa tổng phương sai. Xem thêm ở đây: https://vaxidi.com/phan-tich-thanh-phan-chinh. Đây là lý do bạn sẽ thấy sau này phân tích PCA sẽ có tổng phương sai giải thích lớn nhất, đồng thời nếu tính các biến đại diện tự động và hồi quy tuyến tính sẽ thấy các hệ số VIF đều bằng 1.

+ Trong phân tích FA, các yếu tố là các kết hợp tuyến tính tối đa hóa phần được chia sẻ của phương sai – cơ bản là “các cấu trúc tiềm ẩn”. Nó không cần tối đa tổng phương sai giải thích vì vậy không tạo ra các tổ hợp trực giao nên không triệt tiêu quan hệ của các “cấu trúc tiềm ẩn” với nhau.

Phần tiếp theo chúng ta sẽ tìm hiểu về phép trích: https://vaxidi.com/phep-trich-chiet-xuat-extraction

 

Series Navigation

<< Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)Phép trích (chiết xuất)- Extraction >>