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 SAS专版
9047 10
2010-05-31
Orthogonal Transformation Matrix

                                           1               2               3

                           1         0.92151         0.35067        -0.16689
                           2        -0.38723         0.86230        -0.32632
                           3         0.02948         0.36533         0.93041


                                     Rotated Factor Pattern

                                         Factor1         Factor2         Factor3

                lbpf       lbpf          0.96413         0.09082        -0.05653
                aph        aph           0.95179         0.09963        -0.08837
                lbph       lbph          0.89395         0.08554        -0.10981
                cnoc       cnoc          0.78257         0.10119         0.03214
                stab1      stab1         0.08728         0.96366        -0.14079
                stab2      stab2         0.15927         0.96167        -0.07696
                pt101      pt101         0.08169        -0.11843         0.80101
                pt201      pt201        -0.18391        -0.05703         0.69716


                                Variance Explained by Each Factor

                              Factor1         Factor2         Factor3

                            3.3204933       1.9064547       1.1774816


                          Final Communality Estimates: Total = 6.404430

      pt101       pt201       stab1       stab2        cnoc         aph        lbpf        lbph

0.66230900  0.52310591  0.95607968  0.95609497  0.62368817  0.92363944  0.94098880  0.81852366


  Orthogonal Transformation Matrix

                                           1               2               3

                           1         0.92151         0.35067        -0.16689
                           2        -0.38723         0.86230        -0.32632
                           3         0.02948         0.36533         0.93041


                                     Rotated Factor Pattern

                                         Factor1         Factor2         Factor3

                lbpf       lbpf          0.96413         0.09082        -0.05653
                aph        aph           0.95179         0.09963        -0.08837
                lbph       lbph          0.89395         0.08554        -0.10981
                cnoc       cnoc          0.78257         0.10119         0.03214
                stab1      stab1         0.08728         0.96366        -0.14079
                stab2      stab2         0.15927         0.96167        -0.07696
                pt101      pt101         0.08169        -0.11843         0.80101
                pt201      pt201        -0.18391        -0.05703         0.69716


                                Variance Explained by Each Factor

                              Factor1         Factor2         Factor3

                            3.3204933       1.9064547       1.1774816


                          Final Communality Estimates: Total = 6.404430

      pt101       pt201       stab1       stab2        cnoc         aph        lbpf        lbph

0.66230900  0.52310591  0.95607968  0.95609497  0.62368817  0.92363944  0.94098880  0.81852366



以上是我因子分析(旋转后)的结果,我想求得因子1,因子2和因子3的得分,现在应该如何做?

谢谢!
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
2010-5-31 12:34:59
Variance Explained by Each Factor

                              Factor1         Factor2         Factor3

                            3.3204933       1.9064547       1.1774816
这个就是说明每一个因子能解释总体变量的程度
factor1/factor1+factor2+factor3;
因子1的比例
其他雷同


     Final Communality Estimates: Total = 6.404430

      pt101       pt201       stab1       stab2        cnoc         aph        lbpf        lbph

0.66230900  0.52310591  0.95607968  0.95609497  0.62368817  0.92363944  0.94098880  0.81852366

这个就是每一个变量能又这三个因子解释的比例
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

2010-5-31 12:53:14
这些我知道,现在我需要的是得出样本每个因子的得分,然后进行聚类分析

如果按照以上结果,样本的3个因子得分是否就是Rotated Factor Pattern里面的每个变量的值相加?

例如因子1的得分是;0.96413 +0.95179+......+ -0.18391 ?
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

2010-5-31 12:55:48
用正交旋转法得出的因子负荷来计算就是了
不要用斜角
斜角损失了一部分的信息
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

2010-5-31 13:10:01
你能帮我在上面的结果里标出来吗,中文的名词不太懂,我是用英文学的因子分析
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

2010-5-31 13:18:07
是Rotated Factor Pattern,还是Standardized Scoring Coefficients?
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