..
特征值和变量的散点图
可以看出，除了第一个因子之外其他的因子特征值都很小。
Component Matrixa
Component
1
.977 .959 .862 .961 .939 .927
年末实有道路长度（公里） 年末实有道路面积（万平方米） 城市桥梁（座）
城市排水管道长度（公里） 城市污水日处理能力（万立方米）
城市路灯（盏）
因子负荷矩阵
.w
..
这个可以用来表示因子的线性组合。
Component Score Coefficient Matrix
Component
1 .185 .182 .163 .182 .178 .176
年末实有道路长度（公里） 年末实有道路面积（万平方米） 城市桥梁（座）
城市排水管道长度（公里） 城市污水日处理能力（万立方米） 城市路灯（盏）
因子得分系数矩阵
用主成分分析方法得出的因子得分系数矩阵，可以计算因子得分函数。
Component Score Covariance Matrix Component 1 1 1.000 因子之间关系的矩阵. 这个只选择出一个因子，这个实际上没有意义
(2) 实验二结果及分析:
Communalities
一月日照时数 二月日照时数 三月日照时数 四月日照时数 五月日照时数 六月日照时数
.w
Initial 1.000 1.000 1.000 1.000 1.000 1.000
Extraction
.915 .918 .896 .933 .882 .778
..
七月日照时数 八月日照时数 九月日照时数 十月日照时数 十一月日照时数 十二月日照时数
1.000 1.000 1.000 1.000 1.000 1.000
.617 .874 .754 .863 .847 .854
变量共同度表.
Total Variance Explained Extraction Sums of Squared Initial Eigenvalues Component 1 2 3 4 5 6 7 8 9 10 11 12 Total 6.845 1.962 1.324 .725 .394 .250 .171 .104 .080 .065 .047 .032 % of Variance 57.041 16.347 11.034 6.045 3.283 2.085 1.423 .870 .670 .539 .395 .269 Cumulative % 57.041 73.388 84.421 90.466 93.749 95.833 97.256 98.126 98.796 99.335 99.731 100.000 Total 6.845 1.962 1.324 Loadings % of Variance 57.041 16.347 11.034 Cumulative % 57.041 73.388 84.421 Total 4.581 2.886 2.664 Rotation Sums of Squared Loadings % of Variance 38.173 24.047 22.201 Cumulative % 38.173 62.220 84.421 Extraction Method: Principal Component Analysis. 主成分表
.w
..
选取了前三个特征解大于1的值
Component Matrixa
Component
1 .852 .854 .869 .805 .888 .764 .364 .465 .794 .800 .825 .562
2 -.435 -.419 -.275 -.079 -.033 .439 .644 .809 .295 .251 -.275 -.164
3 -.015 -.115 -.257 -.528 -.303 -.038 -.265 .066 .192 .400 .300 .715
一月日照时数 二月日照时数 三月日照时数 四月日照时数 五月日照时数 六月日照时数 七月日照时数 八月日照时数 九月日照时数 十月日照时数 十一月日照时数 十二月日照时数
因子载荷矩阵
显示提取出来的三个因子的线性组合
Rotated Component Matrixa
Component
1 .837 .882 .901 .903 .834 .405 .128 -.031 .376 .297 .592
2 -.014 .013 .163 .340 .392 .730 .763 .917 .588 .528 .081
3 .463 .375 .241 -.049 .179 .285 -.134 .178 .516 .704 .700
一月日照时数 二月日照时数 三月日照时数 四月日照时数 五月日照时数 六月日照时数 七月日照时数 八月日照时数 九月日照时数 十月日照时数 十一月日照时数
.w
..
十二月日照时数
.140
.018
.913
旋转之后的因子载荷矩阵
使各因子的载荷不再集中，可以看出，第一个因子主要由前5个变量决定，中间的因子主要由中间三个因子决定，后面的一个因子主要由后四个因子决定
Component Transformation Matrix
Component 1 2 3
1 .754 -.432 -.495
2 .437 .892 -.113
3 .491 -.131 .861
因子转换矩阵
八、实验结论
因子分析可以有效降低维度，抽取对观测指标影响最大的几个变量的线性组合，简化研究的过程。
九、总结及心得体会
.w
相关推荐：
loading