[求助]请帮我看一下这个因子载荷图

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

我选了这几个指标做因子分析，旋转之后得到的因子载荷，我想把这16个指标分一下类，分别找出每个因子最能解释的几个指标。

可是从得到的这个因子载荷实在看不太出来，哪位会看的能不能帮一下忙。

这是三个因子的载荷图

因为我看不出每个因子代表哪几个指标，就试着做了一下只提取两个因子的，我觉得更容易看一些。

我觉得因子一代表：

几何平均收益率

累计净值

净值增长率

Treynor系数

Sharpe系数

Jensen系数

M平方测度

信息比率（估价比率）

因子二代表：

平均持股集中度

平均换手率

平均费用比率

Alpha值/选股

Beta2系数/择时

因子三代表：

收益率标准差

beta系数

决定系数

不知道这样归纳对不对呢？

[此贴子已经被作者于2009-5-7 14:26:50编辑过]

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：因子载荷 Treynor alpha值 sharpe Jensen 载荷

觉得应该去掉某些和其他指标相关系数过大的指标吧，这样可能旋转过后更明显

[此贴子已经被作者于2009-5-7 5:30:47编辑过]

0.7以上的解释因子

从你的这张图来看，

因子1 包括：

几何平均收益率

累计净值

净值增长率

Treynor系数

Sharpe系数

Jensen系数

M平方测度

信息比率（估价比率）

因子2包括：

平均持股集中度

平均换手率

平均费用比率

因子3包括

Alpha值/选股

Beta2系数/择时

在因子分析时，你可以设定负荷量小于0.7（大小可随你定）不予显示，以及安装大小排列。这样就能更直观显示出来了。

我试过去掉一些方差贡献小的指标，结果确实很好，但是这些指标很重要，去掉的话，文章的评价意义就不那么大了，所以只能留下。

四楼归纳的因子中，对于收益率标准差，beta系数，决定系数这几个指标 应该由哪个因子代表呢？

另外，我把载荷图也上传了。

您在跑SPSS時可以選擇方塊勾選一下，有一個地方，因素負荷量按順序排列，以及將小於.03的隱藏起來，這樣看起來會比較清楚知道，方便因素命名

打錯了，是小於.3不允以顯示

谢谢6楼的指点，我设成绝对值大于0.5，的确直观了。但是还有一些问题没弄懂http://www.pinggu.org/bbs/thread-453710-1-1.html

[此贴子已经被作者于2009-5-7 20:22:37编辑过]

热心人!

请高手们给我分析一下 我这个因子分析的结果 谢谢大家 实在整不明白 现有图奉上

Rotated Component Matrixa
        Component
        1        2        3
知识运用能力x1        .608        .786        .109
领导能力x2        .955        .149        .255
员工能力x3        .908        -.034        -.418
知识管理环境x4        -.082        .963        -.256
利润水平x5        .362        .368        -.856
员工收入水平x6        .608        .786        .109
社会价值x7        .617        .251        .746
企业决策效率x8        .196        .915        .353
企业响应速度x9        .513        -.049        .857
专利数量x10        .897        .441        .041
企业知识丰收x11        .166        -.410        -.897



Total Variance Explained
Component        Initial Eigenvalues        Rotation Sums of Squared Loadings
        Total        % of Variance        Cumulative %        Total        % of Variance        Cumulative %
1        5.864        53.311        53.311        4.129        37.533        37.533
2        3.058        27.801        81.112        3.587        32.608        70.141
3        2.078        18.888        100.000        3.285        29.859        100.000
4        3.366E-16        3.060E-15        100.000                       
5        1.274E-16        1.158E-15        100.000                       
6        4.900E-17        4.454E-16        100.000                       
7        4.077E-17        3.706E-16        100.000                       
8        -5.409E-17        -4.917E-16        100.000                       
9        -1.185E-16        -1.077E-15        100.000                       
10        -2.090E-16        -1.900E-15        100.000                       
11        -3.832E-16        -3.483E-15        100.000                       
Extraction Method: Principal Component Analysis.


Component Transformation Matrix
Component        1        2        3
    1                     .727                      .625        .284
2                     .230                     .168                          -.958
3                    .647                       -.762        .022