Решение с двумя факторами

Обратите внимание: факторный анализ относится к меню Data reduction (сокращение данных). Как Вы думаете: что сейчас будет сокращаться: переменные (variables) или случаи? Включите в анализ все исходные переменные (всего их 7). И выберите следующие пункты: Extraction > Scree plot, Continue; Rotation > Varimax, Loading plots, Continue.   Ok.  

Просмотрите первые 4 столбца таблицы Total variance explained: номера факторов (Component), их собственные значения (Total), проценты объясняемой ими дисперсии и соответствующие накопленные (cumulative) проценты. Собственное значение фактора и % объясняемой им дисперсии находятся в очень простом соотношении. В каком именно? Вы легко догадаетесь, если примите во внимание количество переменных, включенных в анализ.

Первый шаг в факторном анализе: необходимо определить рекомендуемое количество факторов. Для этого есть простое правило: в модель необходимо включать только те факторы, собственные значения которых превышают 1. Здесь таких факторов 2. В сумме они объясняют приблизительно 83% дисперсии.

График каменистой осыпи (scree plot) построен по тем же собственным значениям (eigenvalues), которые содержатся в таблице. График здесь имеет заметную точку перегиба и это помогает нам использовать второе правило: включать в модель рекомендуется только те факторы, которые соответствуют крутой части графика. Таких факторов здесь 4.

Итак, согласно правилу «Eigenvalues>1», модель рекомендуется строить на 2-х факторах, а согласно правилу «перегиба графика» – на 4-х. Но это не жесткие требования, а рекомендации. На практике окончательное решение о количестве факторов необходимо принимать после многократного выполнения факторного анализа и попыток интерпретации результатов. 

По всем вопросам, связанным с использованием материалов Expect.ru, обращайтесь к Никулину Денису Николаевичу
email