探索性因子分析
setwd("E:/天睿TERADATA/data_analysis")
dta<-read.csv("newdata.csv")
#判断需要提取的公共因子数
fa.parallel(dta,fa="both",n.iter=100,main="Scree plots with parallel analysis")
#代码中使用了fa="both"，从而会同时展示主成分和公共银子分析的结果
#结果中最大拐角处前有八个变量，从而我们选择八个公共因子
#若是用相关系数矩阵做
#cov_dta<-cov(dta)
#cor_dta<-cov2cor(cov_dta)
#fa.parallel(cor_dta,n.obs=nrow(dta),fa="both",n.iter=100,main="Scree plots with parallel analysis")
#提取公共因子
fa<-fa(dta,nfactors=4,rotate="none",fm="pa")
fa
#因子旋转有利于因子解释
#正交旋转
fa.varimax<-fa(dta,nfactors=4,rotate="varimax",fm="pa")
fa.varimax
#斜交旋转允许因子之间相关
#绘制正交旋转的结果
factor.plot(fa.varimax,lables=rownames(fa.varimax$loadings))
fa.diagram(fa.varimax,simple=T)
#因子得分：相比于主成分分析，探索性因子分析不那么关注计算因子得分
fa.varimax$weights
相关阅读
因子分析在SPSS中的操作过程及结果解读 笔者在做该项研究时在网络上查阅了大量资料，都写得比较专业，所以该篇文章将因子分析从前到
因子分析可以看作是主成分分析的一个扩充，因子分析在数学建模中使用的没有主成分分析那么多。关于因子分析和主成分分析的区别可以
主成分分析与因子分析及SPSS实现一、主成分分析（1）问题提出在问题研究中，为了不遗漏和准确起见，往往会面面俱到，取得大量的指标来进行