统计 > 多变量 > 因子分析

为您的分析指定数据,输入要计算的因子数,并且指定提取方法和旋转类型。

输入数据

变量中,指定要分析的数据列。必须有两个或更多数字数据列,且每列代表不同的测量值。如果任一列存在缺失值,Minitab 将忽略整个行。
注意

如果要输入存储的相关矩阵或协方差矩阵,或以前分析中的载荷,而不使用原始数据,请单击选项

在此工作表中,每个列包含每个求职者的特征测量结果。

C1 C2 C3 C4 C5 C6 C7 C8
适合公司 沟通能力 自信心 学业履历 简历 经验 态度 组织能力
5 9 8 2 2 5 4 8
10 9 5 10 8 5 5 4
4 7 6 6 5 8 7 2
2 2 3 4 4 7 8 4
8 4 3 8 9 2 4 9
7 5 9 5 7 9 8 7

要提取的因子数

输入要从数据中提取的因子数。因子数必须至少为 1 且不得超过总变量数。为了取得最佳结果,您数据中的每 3 个变量拥有的因子不得超过一个。例如,如果您有 12 个变量,则最多应提取 4 个因子。

如果不知道要提取的因子数,请将此字段留为空白并且指定主分量作为提取方法。单击图形并显示碎石图。Minitab 会计算最大因子数,其等于您输入的变量数。使用这些结果可确定要提取的因子数,然后在再次执行分析时输入该数字。有关更多信息,请转至步骤 1:确定因子数

如果您使用极大似然作为提取方法,则必须输入因子数。具有极大似然的最大因子数应小于您数据中的变量数。

提取方法

选择提取因子的方法。
  • 主成分:如果您不知道要提取的因子数、无法假定拟合因子模型后得到的因子和误差遵循正态分布,或者如果您没有大量观测值,请选择此选项。
  • 极大似然:如果您知道要提取的因子数、可以假定拟合因子模型后得到的因子和误差遵循正态分布,并且您有相当大的数据集,请选择此选项。
注意

当您知道因子数时,极大似然通常会提供可更好地拟合数据的因子(具有较小残差)。但是,对于某些数据,从极大似然法获得的因子载荷对于初始公因子方差和收敛标准的选择很敏感。在极大似然法不适用的大多数情况下,主分量方法都适用。

旋转类型

选择正交旋转初始因子载荷的选项。Minitab 将旋转轴,为您提供不同的视角,这可帮助您解释因子。

初始因子载荷通常很难解释。旋转通常创建更为简单的因子结构并且使得因子更容易辨识。旋转还会删除所有变量拥有高载荷的一般因子。

Minitab 旋转载荷以最小化简单性标准。此标准中的参数 gamma (γ) 由旋转方法确定。如果您使用 gamma 值较低的方法,旋转会简化载荷行。如果您使用 gamma 值较高的方法,旋转会简化载荷列。

  • :不旋转载荷。
  • 变量-因子方差最大法:旋转载荷以使变量的一个因子拥有高载荷,但其他因子拥有较低的载荷。这种方法是因子方差最大法和变量方差最大法旋转之间的折中。
  • 因子方差最大法:使每个因子 (gamma = 1) 中的平方因子载荷最大化。因子方差最大法是一种使用最广泛的旋转方法。这种旋转简化了因子载荷矩阵的列。在每个因子中,大的载荷增大,小的载荷减小,于是每个因子仅有少量的变量拥有大载荷。
  • 变量方差最大法:使每个因子 (gamma = 0) 中的平方因子载荷最大化。这种旋转简化了因子载荷矩阵的行。在每个变量中,大的载荷增大,小的载荷减小,于是每个变量仅有少量的因子拥有载荷。
  • 综合法指定 γ 值为:使用基于您输入的 gamma 值的载荷。输入一个介于 0 到 1 之间的 gamma 值。
提示

由于您无法预测可让您的因子更有意义的旋转类型,请尝试不同的旋转。如果变量-因子方差最大法因子方差最大法变量方差最大法未生成有意义的因子,可以使用综合法指定 γ 值为探索因子方差最大法旋转 (gamma = 1) 和变量方差最大法旋转 (gamma = 0) 之间的旋转。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策