在做因子分析时，可能因为r版本的原因，找不到mvstats包。
打开运行一下，就可以继续使用因子分析了
也可以直接把文件里面的factpc函数提取出来（复制到你自己的文件中运行一下）就可以，这个函数大概在文件中的165行到235行
2022-11-17 21:14:11
10KB
1
因子分析实例322－旋转Rotation
由于系数没有很明显的差别,所以要进行旋转(Rotation：method一般用Varimax方差最大旋转),使系数向0和1两极分化, 例子同上
菜单：Analyze－Data Reduction－Factor
Variables ：pop，School，employ，Services， house
Extraction：使用默认值（ method：Principal components，选取特征值>1）
Rotation：method选Varimax
Score:Save as variables 和Display factor score Coefficient matrix
比较有用的结果：两个主成分(因子)f1,f2及旋转后的因子载荷矩阵(Rotated Component Matrix) ，根据该表可以写出每个原始变量（标准化值）的因子表达式：
Pop 0.01602 f1 + 0.9946f2
School 0 .941f1 - 0.00882f2
employ 0.137f1 + 0.98f2
Services 0.825f1 +0.447f2
house 0.968f1 - 0.00605f2
第一主因子对中等学校平均校龄,专业服务项目,中等房价有绝对值较大的载荷(代表一般社会福利-福利条件因子); 而第二主因子对总人口和总雇员数有较大的载荷(代表人口-人口因子). P326
比较有用的结果:因子得分fac1_1, fac2_1。其计算公式：因子得分系数和原始变量的标准化值的乘积之和（P326)。然后可以利用因子得分进行聚类p327（Analyze->Classify->Hierarchical Cluster）。
2022-10-31 19:39:52
1013KB
1
DOM工具箱用于平行因子分析，效果比较好，效果值得信赖，很好用的一筐软件
2022-09-15 09:00:15
6.42MB
多级CFA模型（MLV CFA）建模通过检查因子结构，因子加载和不同层次级别的错误之间的关系，可以进行更复杂的结构有效性研究。 在MLV CFA模型中，一个或多个潜在变量具有两种元素：1）组间元素（级别2或更高级别）和2）组内元素（低级别1）。 组间元素代表模型的一般部分，组内元素代表模型的单独部分。 级别内变化包括单个级别的测量误差方差，这通常将级别内变化的影响扩展到类内相关。 因此，多级CFA生成的结果与通过完全可靠的措施生成的结果相对应。 如果跨级别指定了相同的度量模型，则通过将每个项目的负载定义为跨级别对应项不变，研究人员就可以将跨级别的因子标度等同起来。 因此，不同水平的因素方差可以直接比较。 可以通过将受限制的MLV CFA模型与在每个级别上自由估计的因子负载指定的不受限制的模型进行比较，来评估此受约束的MLV CFA模型的拟合。 在本工作中，将对上述过程的步骤进行全面描述，并详细讨论与MLV CFA的使用有关的其他问题。
2022-07-13 11:00:20
859KB
1