High-dimensional disjoint factor analysis with its EM algorithm version
High-dimensional disjoint factor analysis with its EM algorithm version
复制标题
使用 EM 算法版本进行高维不相交因子分析
DOI：
10.1007/s42081-021-00119-x
复制
发表时间：
2021
影响因子：
1.3
通讯作者：
Kohei Adachi
中科院分区：
文献类型：
--
作者：
Jingyu Cai;Kohei Adachi
Vichi(数据分析与分类进展，11：563-591,2017)提出了不相交因子分析(DFA)，这是一种受变量相互不相交约束的因子分析方法。也就是说，在DFA解决方案中，每个变量只加载多个因素中的一个。这意味着变量被聚集到排他组中。这种变量聚类对于变量比观测值多得多的高维数据被认为是有用的。然而，在Vichi(2017)中还没有考虑高维数据的DFA的可行性。因此，本文的目的之一就是展示DFA在高维数据处理中的可行性和有效性。另一个目的是提出一种新的DFA计算方法，其中使用了EM算法。这个程序特别被称为EM-DFA，它可以服务于与Vichi(2017)相同的原始目的，但更有效。数值研究表明，DFA和EM-DFA都能很好地对变量进行聚类，但EM-DFA的计算效率更高。
Vichi (Advances in Data Analysis and Classification, 11:563–591, 2017) proposed disjoint factor analysis (DFA), which is a factor analysis procedure subject to the constraint that variables are mutually disjoint. That is, in the DFA solution, each variable loads only a single factor among multiple ones. It implies that the variables are clustered into exclusive groups. Such variable clustering is considered useful for high-dimensional data with variables much more than observations. However, the feasibility of DFA for high-dimensional data has not been considered in Vichi (2017). Thus, one purpose of this paper is to show the feasibility and usefulness of DFA for high-dimensional data. Another purpose is to propose a new computational procedure for DFA, in which an EM algorithm is used. This procedure is called EM-DFA in particular, which can serve the same original purpose as in Vichi (2017) but more efficiently. Numerical studies demonstrate that both DFA and EM-DFA can cluster variables fairly well, with EM-DFA more computationally efficient.
登录
查看更多内容
具有交叉载荷的不相交因子分析
影响因子：
1.6
作者：
M. Vichi
通讯作者：
M. Vichi
DOI：
10.1111/j.2517-6161.1977.tb01600.x
发表时间：
1977-01-01
期刊：
JOURNAL OF THE ROYAL STATISTICAL SOCIETY SERIES B-METHODOLOGICAL
影响因子：
--
作者：
DEMPSTER, AP;LAIRD, NM;RUBIN, DB
通讯作者：
RUBIN, DB
影响因子：
3
作者：
Adachi, Kohei;Trendafilov, Nickolay T.
通讯作者：
Trendafilov, Nickolay T.
三因素主成分分析及其在心理学中的应用
DOI：
10.1007/978-4-431-55387-8_1
发表时间：
2016
期刊：
--
影响因子：
--
作者：
K. Adachi
通讯作者：
K. Adachi