主成分、因子分析步驟(編輯修改稿)
2025-07-20 14:32 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 值總和的比，也稱因子貢獻(xiàn)率；第四列是因子累計(jì)貢獻(xiàn)率。，因子3,4,5的特征值在1以下。%，%，%，%的信息，因而因子取二維比較顯著。至此已經(jīng)將5個(gè)問(wèn)項(xiàng)降維到兩個(gè)因子，在數(shù)據(jù)文件中可以看到增加了2個(gè)變量，fac1_fac2_1，即為因子得分。（4） 成分矩陣與旋轉(zhuǎn)成分矩陣成分矩陣是未旋轉(zhuǎn)前的因子矩陣，從該表中并無(wú)法清楚地看出每個(gè)變量到底應(yīng)歸屬于哪個(gè)因子。旋轉(zhuǎn)后的因子矩陣，從該表中可清楚地看出每個(gè)變量到底應(yīng)歸屬于哪個(gè)因子。此表顯示旋轉(zhuǎn)后原始的所有變量與新生的2個(gè)公因子之間的相關(guān)程度。一般的，認(rèn)為是顯著的變量。如味道與飯量關(guān)于因子1的負(fù)荷量高，所以聚成因子1，稱為飲食因子；等待時(shí)間、衛(wèi)生、親切關(guān)于因子2的負(fù)荷量高，所以聚成因子2，又可以稱為服務(wù)因子。（5）因子得分系數(shù)矩陣元件評(píng)分系數(shù)矩陣元件12衛(wèi)生.447飯量.425等待時(shí)間.424味道.480.059親切擷取方法：主體元件分析。 轉(zhuǎn)軸方法：具有 Kaiser 正規(guī)化的最大變異法。 元件評(píng)分。因子得分系數(shù)矩陣給出了因子與各變量的線性組合系數(shù)。因子1的分?jǐn)?shù)=*X1+**X3+**X5因子2的分?jǐn)?shù)=**X2+*X3+**X5（6）因子轉(zhuǎn)換矩陣元件轉(zhuǎn)換矩陣元件121.7232.691.723擷取方法：主體元件分析。 轉(zhuǎn)軸方法：具有 Kaiser 正規(guī)化的最大變異法。因子轉(zhuǎn)換矩陣是主成分形式的系數(shù)。（7）因子得分協(xié)方差矩陣元件評(píng)分共變異數(shù)矩陣元件121.0002.000擷取方法：主體元件分析。 轉(zhuǎn)軸方法：具有 Kaiser 正規(guī)化的最大變異法。 元件評(píng)分?？锤饕蜃娱g的相關(guān)系數(shù)，若很小，則因子間基本是兩兩獨(dú)立的，說(shuō)明這樣的分類是較合理的。主成分
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1