用极大似然法估计因子载荷矩阵_因子分析（利用Minitab或Excel Xlstat）

1、因子分析作用

根据相关性大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量不相关或相关性较低，每组变量代表一个基本结构一即公共因子。

2、操作步骤

（1）判断数据是否可以使用因子分析方法。

• 相关系数矩阵：变量之间有较强的相关系数，则表明可能可以将它们归为同一因子的原因，一般需要存在0.3以上的相关系数。
• 样本量：越大越好，经验上对P个变量，样本量至少需要5P个。
• 因子分析的充分性检验：

KMO：用于检验因子分析是否充分，一般需要

。

MSA：反映第i个变量与其他变量之间的相关强弱。其解释标准和KMO一样。因此，理 想的，我们希望每个变量的MSA都大于0.7。

（2）进行因子模型的估计。

（3）决定因子的个数。

输入要从数据中提取的因子数。因子数必须至少为 1 且不得超过总变量数。如果不知道要提取的因子数，请将此字段留为空白并且指定主分量作为提取方法。单击图形并显示碎石图。Minitab 会计算最大因子数，其等于您输入的变量数。使用这些结果可确定要提取的因子数，然后在再次执行分析时输入该数字。

如果不知道要使用的因子数，请先使用主分量提取方法执行分析，而不指定因子数。然后，使用以下其中一种方法确定因子数：

方差贡献率