尚长春, 马璇, 蒋芬, 赵建华
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.