主 题：大数据背景下高维数据的热点研究——基于SPSS软件的因子与主成分的异同
主讲人：林海明
召集人：王方方（广东财经大学数字经济学院）
时 间：2022年10月11日（周二） 19:30-21:00
腾讯会议ID：913-943-6794
主讲人简介：
林海明教授，男，1959年6月生，湖南省长沙市人，湖南大学理学硕士。广东财经大学教授，广东省现场统计学会常务理事，广东省应用统计学会副理事长。研究方向为多元统计模型与应用等。林海明教授1982年建立了Lr-(广义Vandermonde)行列式理论；2005年论文解决了国际一流统计学家C.R.Rao认为非常令人感兴趣的主成分与因子异同问题，现引用达1058次以上，列权威期刊《统计研究》引用排名第二；2007年论文解决了英国统计学家、数学家Kendall认为不可能解决的因子分析原模型精确解问题；2006-2013年建立了具有优良性的因子分析改进模型及其最优解；2013年论文解决了主成分解释数据的条件问题，迄今引用达821次以上，列权威期刊《统计研究》引用排序第四；2018年论文改进了对应分析原方法。他的主成分分析、因子分析内容已写入教育部高等学校统计学专业教学指导委员会推荐教材《应用多元统计分析》(朱建平主编，北京大学出版社，2017)，许多高校已使用或正在使用这些内容给相应专业的本科生、硕士生及博士生进行教学。
内容摘要：
因子与主成分的异同研究一直是人们感兴趣的，但并不完整。这里用二者的模型与最优解、改进的应用步骤和实例进行较完整的比较，得到差异：二者方差不同，不能混淆；前者能旋转，后者不能旋转；前者分别有初始因子分析法、旋转后因子分析法，能达到降维、合理解释变量的目的；后者是一个能达到降维目的的方法，不一定能解释变量；关系：初始因子载荷阵是变量与主成分的相关阵，因子是标准化主成分或其旋转。并对因子分析原模型与方法、SPSS软件混淆处，提出了改进的建议。