《心理多元统计分析教学课件》第6章+因素分析.pptVIP

6.3.4 解释因素 通过前面的步骤得到因素解（负荷矩阵）后，需要对每一个因素进行解释，给出一个有意义的名称。对因素命名，首先要从负荷矩阵中找出每个因素上有显著负荷的变量，然后，根据这些变量的意义和共性对因素命名。一般认为绝对值大于0.3的因素负荷就是显著的。对于小于0.3的负荷，变量的方差能被因素解释的部分不足9％，所以，小于0.3的负荷可以不加解释。 在实际操作中，为了很清楚地识别出每个因素上重要的负荷，可以把负荷矩阵按从大到小排序，很小的负荷不显示。另外，因素负荷图也能直观地识别出因素。因素负荷图是以因素为坐标轴，因素负荷为坐标来表示变量。如果经过旋转，得到一个简单的因素结构，那么，变量应该出现在因素轴附近。 6.4 因素分数及其应用 因素模型建立之后, 我们往往想用这些因素做其他的研究, 比如,把得到的几个因素作为自变量做回归分析, 对被试进行分类和评价等等, 对需要每个被试, 计算各因素的得分,即因素分数(Factor scores). 因素分析模型是用几个潜在的因素线性表示每一个观测变量，因素负荷为加权系数。 Xk=ak1F1+ak2F2+…+akmFm 求因素得分要用观测变量描述每个因素，即每个因素是个观测变量的线性组合. Fj=wj1x1+wj2x2+…+wjpxp 可以用回归法对加权系数wji进行最小二乘估计, 回归系数满足下列正规方程组： 如果因素分析抽取因素使