因子旋转
- 目的
寻找每个主因子的实际意义
如果各主因子的典型代表变量不突出，就需要进行旋转
使因子载荷矩阵中载荷的绝对值向0和1两个方向分化 - 方法
正交旋转Varimax（最大方差正交旋转）
斜交旋转Promax
Fa2=factanal(X,3,rotation="varimax")
Fa2$loadings
因子得分计算方法：回归估计法（方差一致），Bartlett估计法
Fa1$scores（旋转前因子得分）
Fa2$scores（旋转后因子得分）
plot(Fa2$scores,asp=1)
abline(h=0,v=0,lty=3)
text(Fa2$scores,labels = rownames(X))
biplot(Fa2$scores,Fa2$loadings)
abline(h=0,v=0,lty=3)
Fa1$ranks（排名）
因子分析的基本步骤
1.确认数据是否适合作因子分析
一般用KMO与Bartlett’s进行检验
判断标准：KMO>0.9非常适合，0.8~0.9适合，0.7 ~ 0.8一般，0.6 ~0.7不太合适，0.5 ~0.6不合适，<0.5极不合适。
2.构造因子变量
3.旋转因子使其更具解释性
4.计算因子得分并做因子图
R语言因子分析过程
一、因子计算
1.是否适合做因子分析：KMO
2.计算因子分析的对象：factanal（极大似然），主因子估计基于主成分的谱分解计算
3.按方差贡献定因子数：>80%
4.获得因子载荷并解释：
scores
7.因子信息图：biplot
8.综合得分：加权得分
9.得分排序：$ranks
问题：自定义R语言程序包？
