8因子说明书.doc

8因子说明书 篇一：8因子分析 因子分析，相较于主成分分析而言，通过对因子的旋转处理，使得我们可以更直观的认识到 数据内部之间的关系，其目的即用有限个不可观测的因变量来解释原始变量间的相关关系。 即用几个少数的综合因子来取代错综复杂关系的变量。 因子分析函数：factanal(X,factors,scores=”none”,rotation=”varimax”) 这个函数是基于极大似然方法求解 X 为数据，矩阵或者数据框 factors 为因子个数 scores 为因子得分的计算方法，”regression”,”Bartlett” rotation 为因子旋转方法 自编因子分析函数：factpc(X,m,scores=”none”,rotation=”varimax”) 这个函数是基于主成分方法来求解的。 极大似然法要求数据来自多元正态分布， 这一点一般是很难满足的。 而主成分法没有正态总 体的要求。 对于数据 d9.1 水泥行业运营因素做因子分析。 输入： X=read.table(clipboard,header=T) cor(X) #计算相关系数矩阵#极大似然法进行因子分析 FA0=factanal(X,3,rotation=none) FA0 Call: factanal(x = X, factors = 3, rotation = none) Uniquenesses: x1 x2 x3 x4 x5 x6 0.005 0.005 0.005 0.271 0.005 0.548 Loadings: #因子载荷矩阵Factor1 x1 0.950 x2 0.948 x3 -0.340 x4 0.363 x5 0.454 x6 0.383Factor2 -0.307 -0.310 -0.782 0.561 0.693 0.163Factor30.517 -0.531 0.556 0.527 Factor2 1.623 0.271 0.671 Factor3 1.140 0.190 #方差贡献率 0.861 #累计方差贡献率SS loadings Proportion Var Cumulative VarFactor1 2.402 0.400 0.400The degrees of freedom for the model is 0 and the fit was 1. 1422#主成分法进行因子分析 library(mvstats) FA1=factpc(X,3) $Vars #方差 方差贡献率 累计方差贡献率 Vars Vars.Prop Vars.Cum Factor1 2.570 0.4283 42.83 Factor2 1.713 0.2855 71.38 Factor3 1.249 0.2082 92.19 $loadings #载荷矩阵 Factor1 Factor2 Factor3 x1 0.7829 0.5029 -0.3624 x2 0.7811 0.4964 -0.3756 x3 -0.5786 0.7685 0.0802 x4 0.5951 -0.6990 -0.2415 x5 0.6317 -0.1457 0.6557 x6 0.5084 0.3367 0.6943 $scores #因子得分 Factor1 冀东水泥 1.10805 大同水泥 -1.07195 四川双马 -0.58577 牡丹江 -1.17442 西水股份 -0.05264 狮头股份 -1.05007 太行股份 0.20807Factor2 Factor3 0.19287 -0.40233 1.46385 -0.37413 -0.49848 0.24193 -0.77791 0.08986 -0.46073 2.31615 2.04151 0.25174 0.48809 -0.23430海螺水泥 尖峰集团 四川金顶 祁连山 华新水泥 福建水泥 天鹅股份2.20745 -1.11541 0.09714 0.66096 0.41359 0.86840 -0.513400.32524 -1.53235 -0.60602 1.03293 -1.08331 -0.53255 -0.053151.16336 0.39013 -1.45691 0.04173 0.19805 -1.82104 -0.40422$Rank #得分排名 F 冀东水泥 0.48359 大同水泥 -0.12910 四川双马 -0.37184 牡丹江 -0.76615 西水股份 0.35587 狮头股份 0.20127 太行股份 0.19490 海螺水泥 1.38882 尖峰集团 -0.90457 四川金顶 -0.47152 祁连山 0.63632