第六章 因子分析 .docxVIP

第六章因子分析 首先通过主因子分析(factor)，得到主成分因子： Factor I Eigenvalue Difference Proportion Cumulative + Factor1 I 4.75929 3.71841 0.6954 0.6954 Factor2 I 1.04088 0.38315 0.1521 0.8475 Factor3 I 0.65773 0.37761 0.0961 0.9436 Factor4 I 0.28012 0.09188 0.0409 0.9845 Factor5 | 0.18825 0.19040 0.0275 1.0120 Factor6 I -0.00216 0.01548 -0.0003 1.0117 Factor7 | -0.01764 0.04472 -0.0026 1.0091 Factor8 | -0.06236 . -0.0091 1.0000 从上面的分析可以看出，只有两个成分大于1大于的特征值，同时两个成分解释了全部八个 变量组合的方差还多。不重要的第2到8个主成分在随后的分析中可以放心地省略去。 运行factor命令后，我们可以接着运行screeplot命令画出碎石图。碎石图中特征值等于1 处的水平线标示了保留主成分的常用分界点，同时再次强调了本例中的成分3到成分6并不 重要。 Variable | Factor1 1 + Factor2 Factor3 Factor4 Factor5 -- x1 | 0.9611 0.0193 0.2412 -0.0637 x2 | 0.9119 0.3828 -0.1409 0.0380 x3 | 0.8626 -0.0724 0.3816 0.0792 x4 | 0.9395 0.3468 -0.0299 -0.0313 x5 | 0.7542 -0.0828 -0.2302 0.3307 0.0013 0.0786 -0.2719 0.0137 0.1499 x6 | -0.3772 0.6987 0.2923 -0.1118 0.1221 x7 | -0.6108 0.0367 0.4572 0.3336 0.0883 x8 | 0.5416 -0.5217 0.2929 -0.1850 0.2505 Variable I Uniqueness + x1 I 0.0136 x2 I -0.0055 x3 I 0.0249 x4 | -0.0049 x5 I 0.2396 x6 | 0.2567 x7 | 0.2975 x8 | 0.2518 Variable | kmo + x1 | 0.7491 x2 | 0.5483 x3 | 0.4993 x4 | 0.5778 x5 | 0.8127 x6 | 0.2958 x7 | 0.5122 x8 | 0.4569 + Overall | 0.5671 Variable | smc + x1 | 0.9726 x2 | 0.9965 x3 | 0.9662 x4 | 0.9972 x5 | 0.7447 x6 | 0.7280 x7 | 0.6925 x8 | 0.7463 根据kmo and smc，数据反映良好 旋转会进一步简化因子结构。在提取因子之后，键入rotate命令进行旋转。 + Factor1 | 3.29837 2.02383 0.4819 0.4819 Factor2 | 1.27454 0.18586 0.1862 0.6682 Factor3 | 1.08868 0.26654 0.1591 0.8272 Factor4 | 0.82213 0.37958 0.1201 0.9473 Factor5 | 0.44256 . 0.0647 1.0120 Variance Difference Proportion Cumulative Factor ILR test: independent vs. saturated: chi2(28) = 145.13 Probchi2 = 0.0000 Factor I Rotated factor loadings (pattern matrix) and unique variances Variable | 1 + Factor1 Factor2 Factor3 --- Factor4 Factor5 x1 | 0.7095 0.5683 -0.1027 0.3740 -0.0975 x2 | 0.9676 0.2217 -0.0499 0.0474 -0.1241 x3 | 0.5061 0.8027 -0.1636 0.2187 -0.004