|
data xfcfa;
input x1-x7;
n1=_n_;
cards;
11.835 0.480 14.360 25.210 25.21 0.810 0.98
45.596 0.526 13.850 24.040 26.01 0.910 0.96
3.525 0.086 24.400 49.300 11.30 6.820 0.85
3.681 0.370 13.570 25.120 26.00 0.820 1.01
48.287 0.386 14.500 25.900 23.32 2.180 0.93
17.956 0.280 9.750 17.050 37.20 0.464 0.98
7.370 0.506 13.600 34.280 10.69 8.800 0.56
4.223 0.340 3.800 7.100 88.20 1.110 0.97
6.442 0.190 4.700 9.100 73.20 0.740 1.03
19.234 0.390 3.100 5.400 121.50 0.420 1.00
10.585 0.420 2.400 4.700 135.60 0.870 0.98
23.535 0.230 2.600 4.600 141.80 0.310 1.02
5.398 0.120 2.800 6.200 111.20 1.140 1.07
283.149 0.148 1.763 2.968 215.86 0.140 0.98
316.604 0.317 1.453 2.432 263.41 0.249 0.98
307.310 0.173 1.627 2.729 235.70 0.214 0.99
322.515 0.312 1.382 2.320 282.21 0.024 1.00
254.580 0.297 0.899 1.476 410.30 0.239 0.93
304.092 0.283 0.789 1.357 438.36 0.193 1.01
202.446 0.042 0.741 1.266 309.77 0.290 0.99
;
run;
proc corr;
var x1-x7;
run;
proc factor data=xfcfa method=prin;
var x1-x7;
run;
proc factor data=xfcfa method=prin n=3;
var x1-x7;
run;
proc factor data=xfcfa method=prin rotate=varimax n=3;
var x1-x7;
run;
proc factor data=xfcfa method=prin rotate=v n=3 score out=xfc2;
var x1-x7;
run;
proc print data=xfc2;
var factor1 factor2 factor3;
run;
proc plot data=xfc2;
plot factor2*factor1 $ n1='*'/href=0 vref=0;
run;
和你讲一下过程吧！
1，判断其相关行，因为因子分析的目的是从从原始众多变量中综合出少数代表性的因子变量，所以你要判断数据是否具有相关性。这是前提条件；
2利用主成分分析方法构造因子变量，但构造出来我发现，两个因子的贡献率还行，是这构造3因子的，看其差异。
3 3因子的主成分分析法；结果不错，符合本人要求；go on
4 因子载荷矩阵旋转.增强公因子的解释能力。
5 因子得分（最重要的）
6 下面的你应该也明白了吧？？不知道我这样说你请不清楚。最好看看统计方面的多元统计分析咯！这样比较容易理解。
| 
发帖
雷达卡
加好友,备注cda
京公网安备 11010802022788号
论坛法律顾问：王进律师
知识产权保护声明
免责及隐私声明
