setwd("E:/天睿TERADATA/data_analysis") dta<-read.csv("newdata.csv") #判断需要提取的公共因子数 fa.parallel(dta,fa="both",n.iter=100,main="Scree plots with parallel analysis") #代码中使用了fa="both",从而会同时展示主成分和公共银子分析的结果 #结果中最大拐角处前有八个变量,从而我们选择八个公共因子 #若是用相关系数矩阵做 #cov_dta<-cov(dta) #cor_dta<-cov2cor(cov_dta) #fa.parallel(cor_dta,n.obs=nrow(dta),fa="both",n.iter=100,main="Scree plots with parallel analysis") #提取公共因子 fa<-fa(dta,nfactors=4,rotate="none",fm="pa") fa #因子旋转有利于因子解释 #正交旋转 fa.varimax<-fa(dta,nfactors=4,rotate="varimax",fm="pa") fa.varimax #斜交旋转允许因子之间相关 #绘制正交旋转的结果 factor.plot(fa.varimax,lables=rownames(fa.varimax$loadings)) fa.diagram(fa.varimax,simple=T) #因子得分:相比于主成分分析,探索性因子分析不那么关注计算因子得分 fa.varimax$weights
[Rscript]探索性因子分析
猜你喜欢
转载自blog.csdn.net/tomocat/article/details/79107081
今日推荐
周排行