第六章多元统计.ppt

*中国人民大学六西格玛质量管理研究中心*目录上页下页返回结束§6.4因子分析的上机实现输出结果6.4：（2）第61页，共108页，星期日，2025年，2月5日*中国人民大学六西格玛质量管理研究中心*目录上页下页返回结束§6.4因子分析的上机实现输出结果6.4：（3）第62页，共108页，星期日，2025年，2月5日*中国人民大学六西格玛质量管理研究中心*目录上页下页返回结束§6.4因子分析的上机实现可以看到，与正交旋转不同，斜交旋转的输出结果中没有RotatedComponentMatrix而代之以PatternMatrix和StructureMatrix，这里，PatternMatrix即是因子载荷矩阵，而StructureMatrix为公因子与原始变量的相关阵，也就是说，在斜交旋转中，因子载荷系数不再等于公因子与原始变量的相关系数。上面三个表格存在如下关系：StructureMatrix=PatternMatrixCorrelationMatrix第63页，共108页，星期日，2025年，2月5日*中国人民大学六西格玛质量管理研究中心*目录上页下页返回结束§6.4因子分析的上机实现为了得到因子得分值，进行如下操作：在FactorAnalysis对话框，点击下方的Scores按钮，进入FactorScores（因子得分）对话框，选中Saveasvariables复选框，即把原始数据各样本点的因子得分值存为变量，可以看到系统默认用回归方法求因子得分系数（Method框架中Regression选项被自动选中），保留此设置。在此例中，我们还选中了Saveasvariables复选框，这一选项要求输出估计的因子得分值，该结果出现在数据窗口。在数据窗口，我们可以看到在原始变量后面出现了三个新的变量，变量名分别为fac1_1，fac2_1，fac3_1。这三个变量即为各个样品的第一公因子、第二公因子、第三公因子的得分。我们在前面的分析中曾提过这些得分是经过标准化的，这一点可以用下面的方法简单的验证：第64页，共108页，星期日，2025年，2月5日*中国人民大学六西格玛质量管理研究中心*目录上页下页返回结束§6.4因子分析的上机实现依次点选Analyze→DescriptiveStatistics→Descriptives…进入Descriptives对话框，选中fac1_1，fac2_1，fac3_1三个变量，点击OK按钮运行，可得到如下结果6-5：输出结果6-5：（1）第65页，共108页，星期日，2025年，2月5日*中国人民大学六西格玛质量管理研究中心*目录上页下页返回结束§6.4因子分析的上机实现可以看到，三个变量的标准差均为1（此处由于舍入原因，变量的均值不绝对等于0而是有细微差别）。得到各个样品的因子得分后，我们就可以对样本点进行分析，如用因子得分值代替原始数据进行归类分析或是回归分析等。同时，我们还可以在一张二维图上画出各数据点，描述各样本点之间的相关关系。依次点选Graphs→Scatter…进入Scatterplot对话框，选择Simple按Define按扭，在弹出的SimpleScatterplot对话框中，分别选择fac1_1，fac2_1作为X轴与Y轴，点击OK交由程序运行，可得如下散点图：第66页，共108页，星期日，2025年，2月5日*中国人民大学六西格玛质量管理研究中心*目录上页下页返回结束§6.4因子分析的上机实现输出结果6.5：（2）第67页，共108页，星期日，2025年，2月5日*中国人民大学六西格玛质量管理研究中心*目录上页下页返回结束§6.4因子分析的上机实现由此可以直观地描述原始数据的散布情况，为了研究需要，还可以很方便地输出第一因子与第三因子，第二因子与第三因子的散点图或同时生成三个因子的散点图，这只需选择不同的变量或图形类型即可，在此不再详述。第68页，共108页，星期日，2025年，2月5日*中国人民大学六西格玛质量管理研究中心*目录上页下页返回结束§6.4因子分析的上机实现