因子分析报告模版文档格式.docx
《因子分析报告模版文档格式.docx》由会员分享,可在线阅读,更多相关《因子分析报告模版文档格式.docx(22页珍藏版)》请在冰豆网上搜索。
86.576
df
15
Sig.
上表为KMO和Bartlett检验表,KMO检验是对变量是否适合做因子分析的检验,根据Kaiser常用度量标准,由于KMO=0.755,说明此时一般适合做因子分析。
Communalities
Initial
Extraction
.812
.876
.670
.886
.897
ExtractionMethod:
PrincipalComponentAnalysis.
上表为公因子方差,给出了该次分析中从每个原始变量中提取的信息,从表中可以看出除了化学外,主成分几乎都包含了其余各个变量至少80%的信息。
TotalVarianceExplained
Component
InitialEigenvalues
ExtractionSumsofSquaredLoadings
RotationSumsofSquaredLoadings
Total
%ofVariance
Cumulative%
1
3.238
53.972
2.572
42.861
2
1.277
21.288
75.260
1.944
32.400
3
.681
11.346
86.607
4
.458
7.634
94.240
5
.212
3.526
97.767
6
.134
2.233
100.000
上表为特征根于方差奉献表,给出了个主成分解释原始变量总方差的情况,从表中可以看出,本例中保存了2个主成分,集中了原始变量总信息的75.260%
上图为碎石土,分析碎石土看出因子1与因子2的特征值差值比拟大,而其他特征值比拟小,可以出保存2个因子能概括绝大局部信息。
ComponentMatrixa
.900
.233
.857
.357
.816
.498
-.662
.503
-.530
.478
-.555
.605
a.2componentsextracted.
从因子载荷矩阵表中可以看出,需要对因子载荷阵进展旋转,
RotatedComponentMatrixa
.953
-.072
.904
-.209
.867
-.335
-.099
.815
-.245
.795
-.152
.698
经过旋转后的载荷系数已经明显地两极分化了。
第一个公共因子在前三个指标上有较大载荷,说明这三个指标有较强的相关性,可以归为一类,所以把英语,历史,语文作为属于文科学习能力的指标;
第二个公共因子在后三个指标上有较大载荷,所以化学,数学,物理属于理科学习能力的指标。
以上是因子载荷图,可以看出因子的聚集性,理科的指标聚集在一起,文科的指标也聚集在一起,分类效果非常好。
ComponentScoreCoefficientMatrix
.439
.085
.400
.137
.484
.332
-.014
.378
.073
.432
.169
由上表可知
所以可以把每个学生的六门成绩分别代入F1、F2,比拟两者的大小,F1大的适合学文科,F2大的适合学理科。
计算结果为学号是1、16、24的学生适合学文,其余均适合学理
Q型聚类
如下图进展选择,
结果如下
相关性矩阵是主对角线为1的矩阵,可以看出因子之间相关性不是特别的大。
起始
擷取
7
8
9
10
11
12
13
14
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
擷取方法:
主體元件分析。
上表反映了公因子方差,每个同学原始变量提取到达1,因子提取到达1.
說明的變異數總計
元件
起始特徵值
擷取平方和載入
循環平方和載入
總計
變異的%
累加%
15.656
52.188
15.010
50.032
6.140
20.467
72.655
4.487
14.955
64.987
3.603
12.009
84.664
4.432
14.773
79.760
2.899
9.664
94.328
3.860
12.865
92.625
1.701
5.672
2.212
7.375
1.625E-15
5.417E-15
1.071E-15
3.569E-15
7.463E-16
2.488E-15
6.575E-16
2.192E-15
5.756E-16
1.919E-15
4.492E-16
1.497E-15
2.806E-16
9.352E-16
2.696E-16
8.987E-16
2.481E-16
8.269E-16
2.011E-16
6.702E-16
7.887E-17
2.629E-16
1.698E-17
5.659E-17
-3.651E-17
-1.217E-16
-6.866E-17
-2.289E-16
-8.735E-17
-2.912E-16
-1.586E-16
-5.288E-16
-2.424E-16
-8.079E-16
-3.196E-16
-1.065E-15
-3.541E-16
-1.180E-15
-3.776E-16
-1.259E-15
-4.307E-16
-1.436E-15
-5.209E-16
-1.736E-15
-5.615E-16
-1.872E-15
-1.061E-15
-3.538E-15
-2.511E-15
-8.369E-15
上表为特征根与方差奉献率表,本例主要保存了2个主成分,集中了原始变量信息的100%,
以上是碎石图,可以发现因子1与因子2、3、4、5的特征值差值较大。
保存5个因子可以概括大局部信息。
〔5〕
元件矩陣a
.995
-.033
-.071
.046
-.046
.958
.240
.082
.019
.132
.956
.003
-.277
.070
-.947
-.202
.119
.201
-.089
.946
.190
-.242
.101
.917
-.334
.122
.112
.139
.906
-.373
.157
.069
.100
.903
.204
-.094
.359
-.079
.889
-.181
.207
.274
.243
.877
-.112
.365
-.288
.873
.299
.015
.362
-.130
-.868
.416
.059
.219
-.149
.860
.477
.063
-.169
-.028
.855
-.415
-.081
.067
-.295
.832
-.265
-.379
.257
.165
.525
-.067
.126
-.178
.730
.326
.442
-.375
.703
.229
.579
-.343
-.030
-.665
.414
.490
.255
.287
.384
-.872
.259
.110
.114
.336
.802
.437
.021
-.156
-.787
.152
.577
-.003
.209
.687
-.127
-.212
.650
.335
-.656
.637
-.057
-.397
-.320
.801
-.011
.313
-.298
-.551
.737
-.253
-.023
.508
.692
.386
.210
.397
.283
.652
-.306
-.493
-.213
.595
-.017
.764
.130
-.476
.551
.248
.228
-.596
a.擷取5個元件。
从因子载荷矩阵表中可以看出,每个因子在不同原始变量上的载荷没有明显的差异,为了便于对因子进展命名,需要对因子载荷阵进展旋转,
旋轉元件矩陣a
.979
-.138
.068
-.122
-.058
.948
.096
-.175
-.248
-.021
.943
-.155
-.002
-.917
.271
.177
.221
.075
.915
.316
.058
.062
.902
.331
-.199
-.189
.896
.252
-.107
.076
.341
.891
.342
-.246
.088
-.144
-.050
-.455
-.053
.883
-.400
.156
.178
-.426
.874
.095
.269
-.374
.123
-.430
.020
.127
-.222
.220
-.435
.217
.811
-.006
.399
.319
-.805
.522
-.035
.241
.759
.427
-.427
-.217
.728
.309
-.412
-.399
-.176
.950
-.019
.181
-.184
.323
.937
.037
-.101
.281
-.776
-.452
.364
.709
-.405
.388
-.223
.926
-.339
-.051
.887
.428
.143
.449
-.241
-.216
.184
-.486
.750
.420
-.227
.196
.925
-.042
-.193
.301
.885
-.201
.029
.334
.774
-.409
-.097
.523
轉軸方法:
具有Kaiser正規化的最大變異法。
a.在15疊代中收斂循環。
明显与整体不同
以上是因子载荷图,可以看出因子的聚集性不是很理想
元件評分係數矩陣
-.048
.091
.061
-.010
.013
.032
-.043
.079
.041
-.016
-.044
.348
-.034
-.102
.349
.065
.053
.054
-.054
.077
.086
-.126
.030
.083
.264
-.092
.066
.052
.012
.047
-.015
-.040
-.095
.022
.120
-.027
.104
-.070
-.080
-.012
.148
.097
-.009
.045
-.096
.099
.026
.236
.092
-.005
.006
.187
.129
-.078
-.074
.151
.251
-.087
.024
.138
-.036
-.085
-.008
.227
.008
.043
-.215
.084
.087
.036
.007
.044
.090
-.084
.048
.023
.057
-.148
-.068
-.059
-.020
元件評分。
由系数可以求出F1至F5,将30个学生带入,比拟大小