[求助]请帮我看一下这个因子载荷图

Amy0610

26008

收藏 2009-05-07

我选了这几个指标做因子分析，旋转之后得到的因子载荷，我想把这16个指标分一下类，分别找出每个因子最能解释的几个指标。

可是从得到的这个因子载荷实在看不太出来，哪位会看的能不能帮一下忙。

这是三个因子的载荷图

因为我看不出每个因子代表哪几个指标，就试着做了一下只提取两个因子的，我觉得更容易看一些。

我觉得因子一代表：

几何平均收益率

累计净值

净值增长率

Treynor系数

Sharpe系数

Jensen系数

M平方测度

信息比率（估价比率）

因子二代表：

平均持股集中度

平均换手率

平均费用比率

Alpha值/选股

Beta2系数/择时

因子三代表：

收益率标准差

beta系数

决定系数

不知道这样归纳对不对呢？

[此贴子已经被作者于2009-5-7 14:26:50编辑过]

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

bmlf_001

2009-5-7 05:26:00

觉得应该去掉某些和其他指标相关系数过大的指标吧，这样可能旋转过后更明显

[此贴子已经被作者于2009-5-7 5:30:47编辑过]

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

cclsd

2009-5-7 07:39:00

0.7以上的解释因子

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

jiaogaike

2009-5-7 08:50:00

从你的这张图来看，

因子1 包括：

几何平均收益率

累计净值

净值增长率

Treynor系数

Sharpe系数

Jensen系数

M平方测度

信息比率（估价比率）

因子2包括：

平均持股集中度

平均换手率

平均费用比率

因子3包括

Alpha值/选股

Beta2系数/择时

在因子分析时，你可以设定负荷量小于0.7（大小可随你定）不予显示，以及安装大小排列。这样就能更直观显示出来了。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

Amy0610

2009-5-7 14:19:00

我试过去掉一些方差贡献小的指标，结果确实很好，但是这些指标很重要，去掉的话，文章的评价意义就不那么大了，所以只能留下。

四楼归纳的因子中，对于收益率标准差，beta系数，决定系数这几个指标应该由哪个因子代表呢？

另外，我把载荷图也上传了。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

bandbird

2009-5-7 16:58:00

您在跑SPSS時可以選擇方塊勾選一下，有一個地方，因素負荷量按順序排列，以及將小於.03的隱藏起來，這樣看起來會比較清楚知道，方便因素命名

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

bandbird

2009-5-7 17:00:00

打錯了，是小於.3不允以顯示

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

Amy0610

2009-5-7 20:22:00

谢谢6楼的指点，我设成绝对值大于0.5，的确直观了。但是还有一些问题没弄懂http://www.pinggu.org/bbs/thread-453710-1-1.html

[此贴子已经被作者于2009-5-7 20:22:37编辑过]

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

jixian111

2009-5-31 00:32:00

热心人!

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

lenxo

2010-6-7 00:12:09

请高手们给我分析一下我这个因子分析的结果谢谢大家实在整不明白现有图奉上

Rotated Component Matrixa
Component
1 2 3
知识运用能力x1 .608 .786 .109
领导能力x2 .955 .149 .255
员工能力x3 .908 -.034 -.418
知识管理环境x4 -.082 .963 -.256
利润水平x5 .362 .368 -.856
员工收入水平x6 .608 .786 .109
社会价值x7 .617 .251 .746
企业决策效率x8 .196 .915 .353
企业响应速度x9 .513 -.049 .857
专利数量x10 .897 .441 .041
企业知识丰收x11 .166 -.410 -.897

Total Variance Explained
Component Initial Eigenvalues Rotation Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative %
1 5.864 53.311 53.311 4.129 37.533 37.533
2 3.058 27.801 81.112 3.587 32.608 70.141
3 2.078 18.888 100.000 3.285 29.859 100.000
4 3.366E-16 3.060E-15 100.000
5 1.274E-16 1.158E-15 100.000
6 4.900E-17 4.454E-16 100.000
7 4.077E-17 3.706E-16 100.000
8 -5.409E-17 -4.917E-16 100.000
9 -1.185E-16 -1.077E-15 100.000
10 -2.090E-16 -1.900E-15 100.000
11 -3.832E-16 -3.483E-15 100.000
Extraction Method: Principal Component Analysis.

Component Transformation Matrix
Component 1 2 3
1                .727                .625 .284
2                .230                .168                   -.958
3             .647                -.762 .022