Files
SecondBrain/01 Library/03 Math/Статистика/Факторный анализ/Матрица нагрузок и её свойства.md
T
2026-05-07 17:37:53 +03:00

40 lines
3.2 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
status: seed
type: concept
tags:
- math
- statistics
- factor-analysis
created: 2026-01-20
updated: 2026-05-07
title: Матрица Нагрузок И Её Свойства
---
# Матрица Нагрузок И Её Свойства
## Определение
Матрица нагрузок $A$ - это матрица, эл-тами которой являются коэффициенты корреляции между исходными признаками $X_{i}$ и ГК $Z_{j}$
Элемент матрицы $a_{ij}$ показывается тесноту линейной связи $i$-го признака с $j$-ой компонентой.
В случае использования центрированно-нормированных признаков, расчет ведется по формуле: $a_{ij}=u_{ij}\sqrt{\lambda_{j}}$, где $u_{ij}$ - $i$-ая координата $j$-го СВ, а $\lambda_j$ - $j$-ое СЧ ковариационной матрицы.
## Свойства Матрицы Нагрузок
- **<u>Свойство строк (Общность)</u>**:
Сумма квадратов нагрузок в $i$-ой строке по всем $k$ компонентам равна дисперсии соответствующего исходного признака. Для нормированных признаков эта сумма равна 1:
$$\sum\limits_{j=1}^{k}a_{ij}^{2}=D(X_{i})=1$$
- **<u>Свойство столбцов (Вклад компоненты)</u>**:
Сумма квадратов нагрузок в $j$-ом столбце равна СЧ $\lambda_{j}$, которое является дисперсией $j$-й ГК:
$$\sum\limits_{i=1}^{k}a_{ij}^{2}=\lambda_{i}=D(Z_{i})$$
- **<u>Ортогональность</u>**:
Сумма произведений нагрузок любых двух различных столбцов равна нулю, что подтверждает некоррелированность ГК:
$$\sum\limits_{i=1}^{k}a_{ij}a_{il}=0,\ i \neq l$$
- **<u>Воспроизведение корреляций</u>**:
Сумма произведений нагрузок $i$-го и $l$-го признаков по всем компонентам равна коэффициенту корреляции между этими признаками ([[Фундаментальная теорема факторного анализа]]):
$$\sum\limits_{j=1}^{k}a_{ij}a_{li}=r(X_{i}mX_{l})$$
## Интерпретация
- **<u>Вес нагрузки</u>**:
Чем выше абсолютное значение $|a_{ij}|$, тем сильнее данный признак определяет содержание компоненты.
- **<u>Знак нагрузки</u>**:
Указывает направления связи (прямая или обратная)
- **<u>Цель вращения</u>**:
Если нагрузки распределены "размазано" (много средних значений), то применяется вращение, чтобы получить **простую структуру**, где нагрузки близки к 1 или 0.