多元方法 > 因子分析 > 因子分析模型拟合选项
发布日期: 11/15/2021

因子分析模型拟合选项

“因子分析模型拟合”红色小三角菜单包含以下选项:

先验公因子方差

(仅适用于“公因子分析”。)显示或隐藏每个变量的公因子方差的初始估计值。对于给定的变量,该估计值是多重相关平方 (SMC) 系数,即该变量对其他所有变量构建回归模型得到的 R 方。

特征值

(仅适用于“公因子分析”。)显示或隐藏简化相关性矩阵的特征值以及这些特征值解释的公共方差百分比。简化相关性矩阵是对角线元素被公因子方差估计值取代的相关性矩阵,特征值表明因子所解释的公共方差。“累积百分比”可超过 100%,因为简化相关性矩阵不一定是正定矩阵,可以包含负特征值。

请注意,该表指出了进行后续分析保留的因子数。

未排序和未旋转的因子载荷

显示或隐藏在排序和旋转之前的因子载荷矩阵。

未旋转的因子载荷

显示或隐藏旋转之前的因子载荷矩阵。因子载荷测量公因子对变量的影响。由于未旋转的因子是正交的,因此该因子载荷矩阵是变量与因子之间的相关性矩阵。载荷的绝对值越接近 1,因子对变量的影响就越大。

使用滑块或输入相应值来隐藏小于该值的绝对载荷值(该值即表中的指定值)。隐藏的值会根据文本变暗所指定的设置相应地变暗。

使用文本变暗滑块或输入相应值,控制绝对值比隐藏小于该值的绝对载荷值的指定值小的因子载荷值的字体透明度梯度。

图 9.7 带有文本变暗控件的未旋转的因子载荷 

Image shown here

注意:“未旋转的因子载荷”矩阵经过排序,因此与同一因子关联的变量会显示在彼此上下。

旋转矩阵

显示或隐藏用于对因子载荷图和因子载荷矩阵进行旋转的值。

因子间相关性

(仅适用于斜交旋转。)显示或隐藏因子间的相关性矩阵。

目标矩阵

(仅适用于“斜交旋转法”旋转。)显示或隐藏最大方差法因子模式要旋转到的矩阵。

因子结构

(仅适用于斜交旋转。)显示或隐藏变量与公因子之间的相关性的矩阵。

最终公因子方差估计值

显示或隐藏拟合因子模型后得到的公因子方差估计值。若因子是正交的,变量的最终公因子方差估计值等于该变量的因子载荷平方和。

标准得分系数

显示或隐藏将旋转后的因子保存至源数据表时用于估计因子得分的乘数表。

每个因子解释的方差

(仅适用于正交旋转。)显示或隐藏每个旋转因子解释的方差、公共方差的百分比和累积百分比。

每个因子解释的方差,忽略其他因子

(仅适用于斜交旋转。)显示或隐藏每个旋转因子解释的方差和公共方差百分比(忽略其他因子)。

显著性检验

(仅适用于“最大似然”因子分解方法。)提供两个卡方检验的结果。

第一个检验的 H0:无公因子。该原假设指出没有任何公因子可以解释变量之间的交互相关。该检验为 Bartlett 球形检验,其原假设为:因子的相关性矩阵是一个单位矩阵 (Bartlett, 1954)。

第二个检验的 H0N 个因子足够多,其中的 N 是指定的因子数。拒绝该原假设即表明需要更多因子来解释变量之间的交互相关 (Bartlett, 1954)。准则即对数似然目标函数值。

拟合测度

(仅适用于“最大似然”因子分解方法。)显示或隐藏拟合测度:未经 Bartlett 修正的卡方、AIC、BIC、Tucker-Lewis 指数以及近似的均方根误差。

因子得分测度

显示或隐藏因子得分确定性测度:多重 R、多重 R 平方和最小相关性。这些测度用于评估因子得分对于二次分析是否有用。

未排序和旋转的因子载荷

显示或隐藏旋转之后的未排序因子载荷矩阵。

旋转的因子载荷

显示或隐藏旋转之后的因子载荷矩阵。若为正交旋转,这些值为变量与旋转因子之间的相关性。

使用滑块或输入相应值来隐藏小于该值的绝对载荷值(该值即表中的指定值)。隐藏的值会根据文本变暗所指定的设置相应地变暗。

使用文本变暗滑块和值控制该表的字体透明度梯度。值越小,绝对值比指定的隐藏小于该值的绝对载荷值小的因子值的字体就越透明。

图 9.8 带有文本变暗控件的旋转的因子载荷 

Image shown here

注意:“旋转的因子载荷”矩阵经过排序,因此与同一因子关联的变量会显示在彼此上下。

因子载荷图

显示或隐藏旋转的因子载荷图。对两个以上因子建模时,载荷图是多个图的矩阵。

得分图

显示或隐藏估计的因子得分的散点图。对两个以上因子建模时,得分图是多个图的矩阵。

完成补缺的得分图

(仅适用于存在缺失值的情况。)显示或隐藏带有缺失值的补缺值的估计因子得分的散点图。

显示选项

支持您显示或隐藏载荷图上的箭头。

保存旋转因子

将旋转因子得分和公式保存到数据表中。

注意:该公式无法计算包含缺失值的行。

删除拟合

从“因子分析”报表中删除拟合模型结果。该选项支持您更改“模型启动”配置以生成新的报表。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).