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
变异的%
累加%
总计
变异的%
累加%
总计
变异的%
累加%
1
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。因 %,%,%,即 %的信息,因而因子取二维比较显著。
司去食堂的 侬
隹别
FAC1_i
FAC2_i
娈
A
1
-
3
1
-
3
1
-.96232
A
1
17B622
-48502
3
1
1 11567
-1 0B206
2
1
-.25920
03122
2
1
14573
12734
D
1
-1 44917
・ 4BD33
1
1
-
-1 D3l2fi5
1
1
-79531
DBB55
2
1
-1 4B031
11561
1
1
-.246G4
2
1
.26347
J
1
.75124
&420
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,fac1_1、 fac2_1,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
等待时间
-.787
.447
卫生
-.775
.504
味道
.750
.597
亲切
.069
-.776
撷取方法:主体元件分析口
k撷取2个元件口
I
元
件
1
2
味道
.955
-.086
城里
.884
-.255
卫生
-.212
.300
等待时间
-.260
.867
亲切
-.487
-.G09
撷取方法:主体元件纷析口
转轴方法:具有Haisei正规化的最 大变异法。
,.在3毁代中收敛循环。
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, 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
.424
味道
.480
.059
亲切
-.316
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=-*X1+*X2-*X3+*X4-*X5
因子 2 的分数=*X1-