如下是我个人看法,希望能对你有所帮助额。。。
我觉得吧,首先应该区分因子分析和主成分分析,因子分析最后提取出的因子是需要自己根据每个因子中所包含指标性质进行归纳得出,自己命名。。。主成分分析得出的主成分是各个原始变量的线性组合,表示的还是原始变量之间的关系,只不过是用几个线性关系关系代表全部的指标。。
因子分析的因子载荷矩阵反映的是你各个因子(如j因子)对各个指标变量(如i变量)的影响程度(或解释程度吧),旋转后的主要是方便你自己归纳因子是什么(即方便你命名,解释因子的含义),至于特征向量只是出现在主成分分析中用来求主成分表达式的。
一般来说这两种分析不直接来对各个指标定权,一般是用来作变量的降维处理,不过吧,如果你真想用此方法进行定权的话可以根据 因子载荷矩阵吧。(旋转后的可以用来求各变量的表达式)
不知道你有没有理解我说的意思,我觉得吧,很多论文里面都弄混了,要是真想理解清楚,感觉还是要专门看看多元统计的书吧,从原理上出发要好理解一些。


雷达卡




京公网安备 11010802022788号







