标签:得分 Fa2 3.11 旋转 因子 因子分析 scores
因子旋转
- 目的
寻找每个主因子的实际意义
如果各主因子的典型代表变量不突出,就需要进行旋转
使因子载荷矩阵中载荷的绝对值向0和1两个方向分化 - 方法
正交旋转Varimax(最大方差正交旋转)
斜交旋转Promax
Fa2=factanal(X,3,rotation="varimax")
Fa2$loadings
因子得分计算方法:回归估计法(方差一致),Bartlett估计法
Fa1$scores(旋转前因子得分)
Fa2$scores(旋转后因子得分)
plot(Fa2$scores,asp=1)
abline(h=0,v=0,lty=3)
text(Fa2$scores,labels = rownames(X))
biplot(Fa2$scores,Fa2$loadings)
abline(h=0,v=0,lty=3)
Fa1$ranks(排名)
因子分析的基本步骤
1.确认数据是否适合作因子分析
一般用KMO与Bartlett’s进行检验
判断标准:KMO>0.9非常适合,0.8~0.9适合,0.7 ~ 0.8一般,0.6 ~0.7不太合适,0.5 ~0.6不合适,<0.5极不合适。
2.构造因子变量
3.旋转因子使其更具解释性
4.计算因子得分并做因子图
R语言因子分析过程
一、因子计算
1.是否适合做因子分析:KMO
2.计算因子分析的对象:factanal(极大似然),主因子估计基于主成分的谱分解计算
3.按方差贡献定因子数:>80%
4.获得因子载荷并解释:loadings5.是否需进行因子旋转:′varimax′二、因子评价6.因子得分:scores
7.因子信息图:biplot
8.综合得分:加权得分
9.得分排序:$ranks
问题:自定义R语言程序包?
标签:得分,Fa2,3.11,旋转,因子,因子分析,scores 来源: https://blog.csdn.net/m0_46445293/article/details/104794100
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。