因子分析示例

一位人力资源经理想确定用于解释人力资源部门为每位求职人员测量的 12 个变量的基本因子。人力资源员工使用从 1（低）到 10（高）的尺度根据各种特征来对每位求职人员进行评级。经理将收集 50 位求职人员的评级。

以前的分析确定 4 个因子在数据总变异性中占大部分比率。

解释结果

Minitab 计算分析中每个变量的因子载荷。载荷表示因子对每个变量的解释程度。较大载荷（正或负）表明因子对变量的影响非常强。较小载荷（正或负）表明因子对变量的影响很弱。

非旋转因子载荷通常很难解释。因子旋转简化了载荷结构，并且使因子载荷更容易解释。使用旋转的因子载荷，经理可以得出如下结论：

所有这四个因子共同解释数据变异的 0.754 或 75.4%。

相关矩阵因子分析的极大似然法

迭代	函数值	最大对数更改（唯一方差）
1	1.59123	0.00000
2	1.46511	0.60457
3	1.44098	0.21665
4	1.42962	0.34068
5	1.41848	0.48747
6	1.41058	1.03753
7	1.40438	0.11625	E
8	1.40036	0.01625	E
9	1.39884	0.00802	E
10	1.39771	0.00752	E
11	1.39687	0.00650	E
12	1.39632	0.00643	E
13	1.39586	0.00462	E

变量	因子1	因子2	因子3	因子4	公因子方差
学业成绩	0.380	0.455	0.340	0.259	0.534
外表	0.359	0.530	-0.040	0.523	0.685
交流	0.465	0.660	-0.377	-0.023	0.795
个人与公司政策契合度	0.523	0.677	0.266	-0.253	0.866
工作经验	0.508	0.194	0.450	0.232	0.553
工作契合度	0.532	0.632	0.415	-0.201	0.895
求职信	0.992	-0.094	-0.012	-0.007	0.994
亲和度	0.412	0.529	0.032	0.377	0.593
组织	0.406	0.761	-0.424	-0.055	0.926
潜力	0.446	0.548	0.431	0.172	0.714
简历	0.850	0.040	0.096	0.283	0.814
自信心	0.293	0.575	0.083	0.506	0.679

方差	3.6320	3.3193	1.0883	1.0095	9.0491
方差贡献率	0.303	0.277	0.091	0.084	0.754

因子方差最大法 (Varimax) 旋转

变量	因子1	因子2	因子3	因子4	公因子方差
学业成绩	0.481	0.510	0.086	0.188	0.534
外表	0.140	0.730	0.319	0.175	0.685
交流	0.203	0.280	0.802	0.181	0.795
个人与公司政策契合度	0.778	0.165	0.445	0.189	0.866
工作经验	0.472	0.395	-0.112	0.401	0.553
工作契合度	0.844	0.209	0.305	0.215	0.895
求职信	0.219	0.052	0.217	0.947	0.994
亲和度	0.261	0.615	0.321	0.208	0.593
组织	0.217	0.285	0.889	0.086	0.926
潜力	0.645	0.492	0.121	0.202	0.714
简历	0.214	0.365	0.113	0.789	0.814
自信心	0.239	0.743	0.249	0.092	0.679

方差	2.5153	2.4880	2.0863	1.9594	9.0491
方差贡献率	0.210	0.207	0.174	0.163	0.754