摘 要: | 因子分析(factor analysis,FA)是一种流行的从多变量中提取公因子的统计技术,但它仅适用于向量值数据(每个数据点为一向量).当FA应用于矩阵值数据(每个数据点为一矩阵)时,一种常用的做法是首先将矩阵值观测向量化.然而,向量化使得因子分析面临两个问题:可解释性变差,容易陷入维数灾难.为了解决这两个问题,文章从矩阵值数据本身固有的矩阵结构出发,提出双线性因子分析(bilinear FA,BFA).新颖性在于BFA采用双线性变换,模型参数大大减少,有效克服了维数灾难问题,同时提取感兴趣的行变量和列变量公因子.文章开发了两种有效算法用于BFA模型参数的极大似然估计,讨论了估计的理论性质并明确地求出Fisher信息矩阵的解析表达式来计算参数估计的准确度,研究了BFA的模型选择问题.与传统因子得分为一向量不同,BFA的因子得分为一矩阵,文章为矩阵因子得分提供了计算方法以及可视化方法.最后,构建实证研究来理解提出的BFA模型并与相关方法进行比较.结果表明了BFA在矩阵值数据分析上的优越性和实用性.
|