|
模型没错,但解释的不透彻,因为首先因子分析是要找出少数的、不同变量之间相关性较低、不可观测的公因子,更重要的是每个公因子在你分析对象上的实际意义,而你知识说出了每个因子代表的是什么,即便最后结论也说反了,这个研究目的是怎样准确定位买房者,通过他们的提问和关心的问题来确定适合哪类楼盘。
例如;
PRICE 0.89482 0.06252 0.30260 均价
PLACE 0.80495 0.29050 0.11903 位置
COST 0.71279 -0.10933 0.25751 物业费
GREEN -0.57165 0.19842 0.46322 绿化率
AREA -0.13945 0.83821 -0.07467 总占地
PARTM -0.18526 0.82939 0.04870 总套数
TYPE 0.11976 0.12837 0.76157 户型
FITMENT 0.25189 -0.25554 0.45557 原装修
CAR 0.24602 -0.27879 0.42987 车位
ESTAB 0.31141 -0.21214 0.31917 配套设施
STATE -0.04508 -0.00385 -0.48602 物业状态
因子1:说明了房屋价格和生活成本
因子2:说明了楼盘的规模
因子3:说明了居住设施及改造成本
这类楼盘是属于经济型住房,对这方面关注的多的可以定位在这类楼盘上
同理
甲类的,对位置关注少,估计是有车的,讲究环境的,应该是中上收入的。。。。。。
后面的也是这样的分析,建模的目的是要从有限的数据中最充分的挖掘出向要的信息,就像时间序列一样,把序列的信息提到只剩白噪声为止
|