因子分析与主成分分析要点.ppt

分析结果： 1、因子分析的前提条件判断——KMO和Bartlett的检验 Bartlett球度检验的概率P值为0.000，即拒绝原假设，即相关矩阵不是单位矩阵，代表母群体的相关矩阵间有共同因素存在，适合进行因素分析。同时，KMO值为0.771，根据度量标准可知，原变量适合做因子分析。 2、构造因子变量 （1）公因子方差 这是因子分析的共同度，第二列显示了初始的共同度，全部为1；第三列是提取特征根的共同度，表中大部分变量的共同度都高于80%，变量丢失信息较少，因子分析的效果较好。 （2）未旋转的解释总方差 主成分个数提取原则为特征值大于1的为主成分，因此本题只取前两个主成分，它们的累积解释方差占到87.036 %，并且第一主成分的特征根是6.363，第二主成分的特征根是1.470。 （3）碎石图 从碎石图可以看出，从第2个因子开始，曲线变得比较平缓，最后接近一条直线。因此，可以抽取前2个因子。 （4）未旋转成份矩阵 如果一个变量在某个因子上有较大的负荷，就说明可以把这个变量纳入该因子，但是，常常会有很多变量同时在几个未旋转的因子上有较大的负荷，比如百元销售收入实现利税X5这一变量在因子1和因子2上同时有较大的负荷，这就使得解释起来比较困难，因此查看旋转以后的结果能较好地解决这个问题。 3、利用因子旋转，使因子更具有命名可解释性 （1）旋转后总的解释方差 与旋转前相比，旋转后的