SAS多变量分析-因子分析

FACTOR过程使用

SAS/STAT的FACTOR过程可以进行因子分析、分量分析和因子旋转。对因子模型可以使用正交旋转和斜交旋转，可以用回归法计算得分系数，同时把因子

得分的估计存贮在输出数据集中；用FACTOR过程计算的所有主要统计量也能存贮在输出数据集中。

FACTOR过程用法很简单，主要使用如下语句：

PROC FACTOR DATA=数据集  选项;

        VAR 原始变量;

RUN;

输出结果包括特征值情况、因子载荷、公因子解释比例，等等。为了计算因子得分，一般在PROC FACTOR语句中加一个SCORE选项和”OUTSTAT=输出数据集”选项，然后用如下的得分过程计算公因子得分：

PROC SCORE DATA=原始数据集

             SCORE=FACTOR过程的输出数据集

             OUT=得分输出数据集;

             VAR用来计算得分的原始变量集合;

RUN;

例：数据集SOCECON为洛杉基12个地区统计的五个社会经济指标：人口总数(POP)，教育程度(SCHOOL)，就业数(EMPLOY)，服务业人数(SERVICES)，中等的

房价(HOUSE)。用FACTOR过程可以进行主分量分析。下例中的SIMPLE选项要求计算变量的简单统计量，CORR要求输出相关阵。

proc factor data=socecon simple corr;

run;

结果给出了五个变量的简单统计量，相关阵，和相关阵的特征值、累计贡献。因子模式阵(factor pattern，或称因子载荷阵)为最重要的结果之一：

它们是用公因子预报原始变量的回归系数。第一主分量（因子）在所有五个变量上都有正的载荷，可见这个因子反应了城市规模的影响。第二主分量在人口、就业上有大的正载荷，在教育程度和住房价格上有大的负载荷，则第二个因子较大的城市人口多但是教育程度和住房价格低。结果还给出了公因子解释能力的估计：

我们来进行主因子分析。用FACTOR过程作主因子分析与作主分量分析的不同只是增加一个PRIORS=选项，可以用PRIORS -SMC或者MAX、ONE等。例如：

proc factor data=socecon priors=smc;

run;

为了得到好的因子解释，我们在上面的PROC FACTOR语句中再加上一个ROTATE=PROMAX旋转选项，这样将在得到主因子分析后先产生方差最大正交预旋转(VARIMAX)然后进行斜交旋转，并加了一个REORDER选项使输出时把原始变量受相同因子影响的放在一起：

为了产生因子得分，需要在FACTOR过程中使用SCORE选项和OUTSTAT=选项输出得分系数数据集并调用SCORE过程。比如，为了计算方差最大正交旋转的主因子得分，可以用如下程序：