---
status: stable
type: concept
tags:
- math
- ml
- mephi
- statistics
- factor-analysis
created: 2026-02-13
updated: 2026-05-07
aliases:
- ФА - Модель, Цель, Сущность
---
# ФА - Модель, Цель, Сущность
**Факторы**  - гипотетические (латентные), непосредственно не измеряемые переменные, которые в той или иной мере связаны с измеряемыми характеристиками (исходными признаками). Основной идеей ФА выступает предположение, что структура связей между признаками может быть объяснена тем, что эти признаки зависят от **меньшего**  количества другие, **общих** факторов.
Что позволяет снизить размерность признакового пространства от количества исходных признаков, до меньшего количества общих факторов.

**Цель:** найти такие факторы или такую матрицу  $R_h$, чтобы минимизировать $D^2$.

## Линейная Модель ФА

Каждый исходный признак  ($x_{j}$), который, является **центрированно-нормированным**, представляется в виде линейной комбинации:

- $m$ - общих факторов
- **одного** характерного фактора - $v_i$

Модель описывается уравнением: $x_ij = a_{i1}f_{1j}+a_{i2}f_{2j}+\dots+a_{im}f_mj+d_iv_{ij}$

$f_{rj}$ - значение $r$-го общего фактора для $j$-го объекта

$v_{ij}$ - значение $i$-го характерного фактора для $j$-го объекта

$x_{ij}$ - значение $i$-го исходного признака на $j$-ом объекте

**Центрировано-нормированные признаки**

- **Центрированность** означает, что мат.ожидание каждого признака равна нулю ($M(x_i) = 0$)
- **Нормированность** означает, что дисперсия каждого признака равна единице ($D(x_i) = 1$) 

## Дисперсии

В отличии от Метода Главных Компонент (МГК), Факторный Анализ предполагает, что $m$ общими факторами _нельзя_ полностью объяснить вариацию исходных признаков. Дисперсия исходного признака  $x_i$ раскладывается на две компоненты:

1. Общность - ($h_i^2$): доля дисперсии  $i$-ого признака, объясняемая $m$ общими факторами: $h_i^2 = \sum_{r=1}^{m} a_{ir}^{2}$
2. Характерность - ($d_i^2$): вклад в дисперсию  $i$-го признака, характерного фактора $v_i$ (который нельзя объяснить _общими_ факторами)

Тогда, для центрировано-нормированных признаков, дисперсия которых равна **единице** справедливо:  $h_i^2 + d_i^2 = 1$

## Фундаментальная Теорема ФА

Выражение, позволяющее воспроизвести корреляционную матрицу исходных признаков  $R$ через матрицу факторного отображения $A$ и матрицу характерностей $D^2$:

$R = AA^{T} + D^2$,

где $D^2$ - диагональная матрица с характерностями на главной диагонали.

## Связанные заметки
- [[Факторный анализ]]