- 1、本文档共78页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一、利用R进行因子分析 # note that (factor loadings) %*% (factor loadings) is # the same for no rotation and varimax rotation res2$loadings %*% t(res2$loadings) res3$loadings %*% t(res3$loadings) res5$loadings %*% t(res5$loadings) # for the oblique rotation promax, the factors are no # longer uncorrelated, and hence the decomposition # Sigma = A * A + Eps does no longer hold 一、利用R进行因子分析 ######################### # Compute factor scores # ######################### # thompsons scores res2.t - factanal(scor, factors=2, rotation=none, scores=regression) # bartletts scores res2.b - factanal(scor, factors=2, rotation=none, scores=Bartlett) cbind(res2.t$scores, res2.b$scores) 一、利用R进行因子分析 # plot plot(res2.b$scores,pch=) text(res2.b$scores, labels=c(1:88)) points(res2.t$scores,pch=) text(res2.t$scores, labels=c(1:88), col=red) # interpret plot apply(scor, 1, mean) # first factor is some kind of overall performance scor[66,] scor[81,] # second factor is high when student is better at # closed book exams than at open book exams 二、因子分析在市场研究中的应用 表7.5是研究消费者对购买牙膏偏好的调查数据 通过市场的拦截访问,用7级量表询问受访者对以下陈述的认同程度(1表示非常不同意,7表示非常同意): V1:购买预防蛀牙的牙膏是重要的; V2:我喜欢使牙齿亮泽的牙膏; V3:牙膏应当保护牙龈; V4:我喜欢使口气清新的牙膏; V5:预防坏牙不是牙膏提供的一项重要利益; V6:购买牙膏时最重要的考虑是富有魅力的牙齿。 二、因子分析在市场研究中的应用 表7.5 牙膏属性评分得分表 二、因子分析在市场研究中的应用 二、因子分析在市场研究中的应用 # Application with factor analysis scor.data.frame=read.table(file=datasets/yagao.txt,header=T) scor=as.matrix(scor.data.frame) # compute correlation matrix: cor - cor(scor) cor # remove diagonal: diag.1 - diag(rep(1,6)) diag.1 cor.min - cor - diag.1 cor.min # compute max_{i!=j} |r_{ij}| for each column h2 - apply(abs(cor.min), 2, max) h2 二、因子分析在市场研究中的应用 # compute eigenvalues and eigenvectors of reduced correlation matrix cor.reduced - cor.min + diag(h2) eig - eigen(cor.reduced) eig print(round(eig$values/sum(eig$values) * 100, digits = 2)) round(cumsum(eig$values)/sum(eig$values) * 100, digits = 2) # lets consider the model with k=2 pf.2 - eig$vectors[,1:2] %*% diag(eig$values[1:2]^{
文档评论(0)