关于使用EVIEWS进行主成分分析和因子分析方法的PPT讲义培训资料.ppt

* 图13.12 因子设定对话框 * 1．Estimation 选择钮 Estimation标签用于控制主要的估计设置（图13.11），其中主要包括估计方法、因子个数设定、初始贡献率以及其他属性4个方面的设置。 (1) 估计方法（Method） 在Method的下拉菜单中，EViews提供了多种估计方法：极大似然估计法、广义最小二乘法、不加权最小二乘法、主成分分析法、迭代主成分分析法以及非迭代的分区协方差估计方法（PACE）。选择不同的方法，在右边的属性部分将会显示不同的设置。 * (2) 因子数（Number of factors） EViews提供了很多的方法选择因子数，各种方法的简要概括可参考13.2.4节的介绍。默认的，EViews使用Velicer的minimum average partial（MAP）方法。实证模拟结果表明：MAP和平行分析方法比起其他常用的方法来更精确。可以根据需要选择不同的方法，但是页面也会发生相应的改变。 (3) 公共方差的初值 （Initial Communalities） 大部分估计方法都需要公共方差的原始估计。例如，对主成分估计方法，初始的公共方差是构建估计的基础。在EViews中可以从Initial communalities的下拉菜单中选择不同的方法。 * (4) 估计选项（Opition） 估计属性主要包括对迭代控制、scaling、随机数生成器以及Heywood情况的选择和设置。选中Scale estimates to match observed variances复选框，可控制剩余方差和公共方差之和等于离差矩阵的对角元素。 在迭代主因子估计的过程中，可能会遇到被估计公因子方差暗含至少一个剩余方差小于等于0，这种情况就是通常所说的Heywood情况。当EViews在计算中遇到Heywood情况时，有几种方法是可选择的。默认的，EViews将停止迭代，并给出最后的估计(Stop and report final)，同时指出结果可能是不适合的；或者EViews报告前一次的迭代结果（Stop and report last）；或者结果为0，继续（Set to zero, continue）；或者忽略负的方差，继续（Ignore and continue）。 * 2．Data 选择钮 点击Data按钮，出现图13.13所示的窗口，该窗口分为两部分——协方差设置和协方差属性。 图13.13 因子分析的数据设定对话框 * (1) 类型（Type） 协方差设置的第一项是Type下拉菜单，主要用于确定因子分析是基于协方差矩阵还是相关矩阵，或者采用用户已经根据相关测量方法定义的矩阵（User-matrix） (2) 方法（Method） 可以用Method下拉菜单设定计算相关矩阵（或协方差矩阵）的方法：普通Pearson协方差、非中心协方差、斯皮尔曼秩协方差（Spearman rank-order covariances）和Kendall’s tau（肯德尔）相关测量。 * (3) 变量（Variables） 在该框中应列出用于因子分析的序列名称，或包含这些序列的组名。 (4) 样本（Sample） 该项主要用于设定用于分析的观测值的样本，同时表明是否希望样本是均衡的。默认的，如果遇到缺失数据，EViews将删除相关变量中的缺失数据。 * (5) 偏相关或偏协方差（Partialing） 偏相关和偏协方差可用于一对变量的分析，只需在相应的编辑框中列出变量名称。偏协方差或偏相关的分析不支持因子得分的计算，在这种选择下要计算因子得分，同样也需要使用用户设定矩阵估计模型。 (6) 权重（Weighting） 当选择使用加权方法时，将会提示需要输入权重序列的名称。有5种不同的权重选择：频率、方差、标准偏差、比例方差和比例标准偏差。 (7) 自由度修正 可以选择使用极大似然估计量或者自由度修正规则计算协方差。默认的，EViews计算（没有自由度修正的）ML估计的协方差。 * (8) 用户设定矩阵 如果在Type下拉菜单中选择User-matrix，对话框将会发生改变。依次输入矩阵名称，这个矩阵应该是方阵，并且是对称的，但是对称不是必须的；然后输入一个标量表示观测值的数，或者一个矩阵，它包含表示观测值数目的一对数；最后，列名（Col.name）主要是为结果提