主成分分析和因子分析有什么区别？ 1、原理不同：主成分分析是利用降维（线性变换)的思想，在损失很少信息的前提下把多个指标转化为几个不相关的综合指标（主成分)，即每个主成分都是原始变量的线性组合，使得主成分比原始变量具有某些更优越的性能，从而达到简化系统结构，抓住问题实质的目的。而因子分析更倾向于从数据出发，描述原始变量的相关关系，是由研究原始变量相关矩阵内部的依赖关系出发，把错综复杂关系的变量表示成少数的公共因子和仅对某一个变量有作用的特殊因子线性组合而成。2、线性表示方向不同：主成分分析中是把主成分表示成各变量的线性组合，而因子分析是把变量表示成各公因子的线性组合。3、假设条件不同：主成分分析不需要有假设条件；而因子分析需要一些假设。因子分析的假设包括：各个共同因子之间不相关，特殊因子之间也不相关，共同因子和特殊因子之间也不相关。4、主成分的数量不同主成分分析的主成分的数量是一定的，一般有几个变量就有几个主成分（只是主成分所解释的信息量不等），实际应用时会根据碎石图提取前几个主要的主成分。而因子分析的因子个数需要分析者指定，指定的因子数量不同而结果也不同。5、应用范围不同在实际的应用过程中，主成分分析常被用作。
地下水污染源解析技术 1.3.1.1 地下水污染源识别技术污染源解析体系的建立，主要是污染源解析方法的建立，自20世纪中期以来，国内外学者对污染物在含水层中的运移、控制、修复进行了大量的研究，随着正问题研究方法以及理论的成熟，污染源识别的反问题逐渐成为研究的重点。源解析的方法根据研究对象的不同可分为扩散模型（Diffusion Model）和受体模型（Receptor Model）。前者以污染源为研究对象，后者以污染区域为研究对象。由于扩散模型需要预先知道污染源的排放量，进而研究污染物的浓度分布或e799bee5baa6e58685e5aeb931333433616235反应机理，但实际情况中我们往往便于得到污染物现状分布，而源的分布以及排放信息较难获得。受体模型通过分析源和受体的理化性质识别可能的污染源和源对受体各成分或各监测点的贡献。20世纪60年代，国外首先在大气领域开始了受体模型的研究，形成一套定性、定量的方法解析污染源，这些方法逐渐在土壤及水环境污染源解析中得到广泛应用。受体模型是相对于正向的扩散模型（源模型）而言，是一个反演未知参数的过程，污染源解析现阶段没有明确统一的定义，简称源解析、源识别，环境中各种元素和化合物含量的信息蕴藏着各污染源的特征信号，根据目标环境。
主成分分析中得出的成分矩阵（因子载荷矩阵）和成分得分矩阵的关系是什么？ 借用人大论坛上dyq123_2004的回答：因子载荷矩阵是各个原始变量的因子表达式的系数，表达提取的公因子对…
主成分分析和因子分析的matlab程序 首先你要明白这两种分析的原理，主成分分析你可以在matlab找 princomp 具体实现方法网上也有，用文库找这方面的论文，很容易就懂了，因子分析没用过。
什么是最大方差正交旋转法 最大方差正交旋转法，具体是哪个学科里的阿，哪位高手指点一下，还有巴特里特球体检验法，要是现学难不难啊 现代统计学1.因子分析(Factor 。
根据主成分综合模型怎么计算综合主成分值，成分得分系数矩阵是不是主成分得分值，详细一点，谢谢 用SPSS做主2113成分分析时，因为软件只有因5261子分析，所以对求出来的因4102子系数矩阵要进行计算得到相应的主成分系数1653。具体步骤是用每一列的因子除以相对应的特征值的开方（在spss下的transform—computevariable进行计算就可以）。求出主成分系数后，乘以标准化后的原始数据（spss中的描述性统计分析就可以做到），得到的就是主成分矩阵。至于你问的综合主成分计算，是最后一步了，用主成分矩阵乘以相应方差贡献率就是综合主成分值了。你可能是把主成分分析和因子分析混淆了，因为只有因子分析才涉及到因子得分系数矩阵，不过其实很多人都会混了，因为两种方法实在是太像了，主成分可能用SPSS计算相对麻烦，因子分析还好。不过具体问题具体分析。如果你会SAS那就方便多了，编程自己需要的程序，但是需要一定基础。
关于主成分分析因子载荷矩阵中的负值？ 我用主成分分析评价一个地区的水质情况，选择了若干水质指标，在得到的主成分载荷矩阵中有一点我非常困惑…
因子载荷矩阵中的系数有何实际经济意义 一、问题的提出 在科学研究或日常生活中，常常需要判断某一事物在同类事物中的好坏、优劣程度及其发展规律等问题。而影响事物的特征及 其发展规律的因素（指标）是多方面的。
