文档介绍:主成分分析、因子分析步骤
不同点
主成分分析
因子分析
概念
具有相关关系的p个变量,经过线性组合后成为k个不相关的新变量
将原数据中多个可能相关的变量综合成少数几个不相关的可反映原始变量的绝大多数信息的综合变量
主要
目标2
2
3
.662
4
.191
5
.100
撷取方法:主体元件分析。
第二列:各因子的统计值
第三列:各因子特征值与全体特征值总和之比的百分比。也称因子贡献率。
第四列:累积百分比也称因子累积贡献率
第二列统计的值是各因子的特征值,即各因子能解释的方差,一般的特征值在1以上就是重要的因子;第三列%是各因子的特征值与所有因子的特征值总和的比,也称因子贡献率;第四列是因子累计贡献率。
,,因子3,4,5的特征值在1以下。%,%,%,%的信息,因而因子取二维比较显著。
轴
性刖
FAC1_1
A
1
&48
-
3
1
&423
-
■i
1
-.98232
4
1
176622
-48502
3
1
11156?
-1DB206
?
1
-25S20
D3122
2
1
14573
12734
D
1
-144917
・4BD33
1
1
-
-1D3265
1
1
・79531
DBB55
2
1
-14B031
11561
1
1
-.246G4
2
1
.2B347
J
1
.75124
&420
厘壬I
'i
t--.-__IIII■-J-JlI
至此已经将5个问项降维到两个因子,在数据文件中可以看到增加了2个变量,facl_l、fac2_l,即为因子得分。
(4)成分矩阵与旋转成分矩阵
元件
1
2
饭里
.815
.427
等特时间
-.787
.447
卫牛
-.775
.504
味道
.750
.597
亲切
.069
-.776
撷取方法:主体元件分析。
。
1
元
件
1
2
味道
.955
-.086
饭星
.884
-.255
卩牛
.212
.300
等待时i目
.260
.867
亲切
.487
-.G09
撷取方法:主体元件分析。
转轴方法:具有Ifeisei正规化的最
大变异法。
齐在3書代中收飯循坏。
成分矩阵是未旋转前的因子矩阵从该表中并无法清楚地看出每个变量到底应归属于哪个因子。旋转后的因子矩阵,从该表中可清楚地看出每个变量到底应归属于哪个因子。此表显示旋转后原始的所有变量与新生的2个公因子之间的相关程度。
一般的,,认为是显著的变量,。如味道与饭量关于因子1的负荷量高,所以聚成因子1,称为饮食因子;等待时间、卫生、亲切关于因子2的负荷量高,所以聚成因子2,又可以称为服务因子。
(5)因子得分系数矩阵
元件评分系数矩阵
元件
1
2
卫生
-.010
.447
饭量
.425
-.036
等待时间
-.038
.424
味道
.480
.059
亲切
-.316
-.371
撷取方法:主体元件分析。
转轴方法:具有Kaiser正规化的最
大变异法。
元件评分。
因子得分系数矩阵给出了因子与各变量的线性组合系数。
因子1的分数=-*Xl+*X2-*X3+*X4-*X5
因子2的分数=*X1-*X2+*X3+*X4-*X5
(6)因子转换矩阵
元件转换矩阵
元件
1
2
1
.723
-.691
2
.691
.