全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 SPSS论坛
11109 6
2010-03-24
大家好,我在做因子分析时提取出2个公因子,最终的评分如下:
Component Score Coefficient Matrix
  Component  
1 2
x1 .261 -.083
x2 .248 .014
x3 -.060 .573
x4 .255 -.028
x5 .247 .018
x6 -.032 .556
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Component Scores.

但是这是F1和F2分别的评分情况,如果想要算出F的评分,要如何计算?我看到网上有说明这一情况

“利用对应的旋转后的特征值占总提取特征值的比重计算综合评价得分Y 。”


请教一下这是什么意思?






Total Variance Explained
Component Initial Eigenvalues   Extraction Sums of Squared Loadings   Rotation Sums of Squared Loadings   
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %
1 4.048 67.461 67.461 4.048 67.461 67.461 3.966 66.093 66.093
2 1.516 25.266 92.727 1.516 25.266 92.727 1.598 26.634 92.727
3 .430 7.167 99.894      
4 .004 .060 99.954      
5 .002 .041 99.995      
6 .000 .005 100.000      
Extraction Method: Principal Component Analysis.
二维码

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
2010-3-24 08:50:47
这个案例中x2 x6为一组,其他为一组
二维码

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

2010-3-24 09:10:24
你好,请问能否说的更详细一点呢?这些全部都是可能会影响股票收益率的因素,一共有6个,我想大体算出他们是否有联系,正相关或负相关
二维码

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

2010-3-24 11:21:30
Principal Component Analysis
主成分分析
特征根除以特征根个数,例如特征根值为8.58296 共有16个特征根,那么方差贡献为0.5364
那么提取主成分之后,由特征根向量来计算主成分,那么方差贡献乘以主成分来计算最后的总和评分
我觉得这个解释有点生硬
你可以给我数据 我看一下
二维码

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

2010-3-24 19:49:25
http://xb.hbvtc.edu.cn/060111.html这是我看到的那个网页,请问可以用这个方法解释出正负相关吗?求教,

4# crackman
二维码

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

2010-3-24 20:21:31
http://www.pinggu.org/bbs/thread-443416-1-1.html
建议你看看这篇文章
写的很详细很不错
其中的综合计分方法都给出来了
二维码

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…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群