factor_analysis
Differences
This shows you the differences between two versions of the page.
| Both sides previous revisionPrevious revision | |||
| factor_analysis [2026/07/21 10:13] – hkimscil | factor_analysis [2026/07/21 10:22] (current) – hkimscil | ||
|---|---|---|---|
| Line 153: | Line 153: | ||
| 위에서 | 위에서 | ||
| * $Cov(\beta_{i0}, | * $Cov(\beta_{i0}, | ||
| - | * (6)과 (8)에 의해서, $\beta_{i1}F1$ 와 $\beta_{j1}F1$ 간의 Covariance는 $\beta_{i1}\beta_{j1}Var(F1)$ | + | * [[: |
| * 그리고 위는 Var(F1) = 1이므로 $\beta_{i1}\beta_{j1}Var(F1) = \beta_{i1}\beta_{j1}$ | * 그리고 위는 Var(F1) = 1이므로 $\beta_{i1}\beta_{j1}Var(F1) = \beta_{i1}\beta_{j1}$ | ||
| * $Y_i$ 의 error 경우 $e_{i}$을 가지고 있고 $e_{j}$가 없으므로 $(1)e_{i} + (0)e_{j}$와 같이 표현 | * $Y_i$ 의 error 경우 $e_{i}$을 가지고 있고 $e_{j}$가 없으므로 $(1)e_{i} + (0)e_{j}$와 같이 표현 | ||
| * $Y_j$ 의 error 경우는 $e_{j}$을 가지고 있고 $e_{i}$가 없으므로 $(0)e_{i} + (1)e_{j}$와 같이 표현 | * $Y_j$ 의 error 경우는 $e_{j}$을 가지고 있고 $e_{i}$가 없으므로 $(0)e_{i} + (1)e_{j}$와 같이 표현 | ||
| - | * 이제 두 error간의 Covariance는 (6)에 의해서 상수 간의 곱셈이 0이므로 0이 되어버림 | + | * 이제 두 error간의 Covariance는 |
| 이에 따라서 covariance matrix를 채워보면 아래와 같다. | 이에 따라서 covariance matrix를 채워보면 아래와 같다. | ||
factor_analysis.txt · Last modified: by hkimscil