因子分析与python实现（二）

知其然而不知其所以然本不属于三行的风格，探索模型背后的数理支撑往往比单纯实现模型来得更有魅力. 这一节，将阐释因子分析模型背后的数理基础.

预备知识

特征值和特征向量

设C是一个p*p的方阵，矩阵C的特征值就是C的特征方程的根，即

而关于特征值的特征向量就是

的非0解向量，其中E是p*p的单位矩阵.

设有n 个样本，每个样本有p个指标（变量），那么原始数据应该是一个n*p的矩阵

令原始数据经过0均值规范化后依然用X表示，因子分析的目的是将p个变量表示成m(m

其中称为公共因子，为特殊因子, 一般要求服从高斯分布. 写成矩阵形式为

其中

现在问题是把系数矩阵A构造出来，当作初始因子载荷矩阵，这里采用主成分方法，即计算原始数据的相关矩阵的特征值和特征向量.

设相关系数矩阵为p*p的C,由预备知识可求得p个特征值为且（因为相关系数矩阵C是严格主对角线占优矩阵）,对应的特征向量为, 那么可令初始因子载荷矩阵

仅摘取前m(m