这个 m 文件通过 R 相关矩阵(没有数据矩阵)、潜根准则、迭代收敛准则处理迭代主因子方法(主轴因子分解),并使用最大因子旋转。 它适用于公共性和因子载荷的迭代解决方案。 在迭代 i 中,来自前一次迭代的公共性被放置在 R 的对角线上,所得的 R 表示为 Ri。 对 Ri 进行特征分析并估计新的变量公共性。 迭代继续,直到公共估计的最大变化小于收敛标准(默认为 0.001),给出达到的迭代次数; 它还给出了残差矩阵,这是原始相关性与因子模型的相关性结构之间差异的结果。
根据 Rencher (2002),有四种估计载荷和公共性的方法: (1) 主成分法; (2) 主因子法; (3) 迭代主因子法,和 (4) 最大似然法。 两种最流行的参数估计方法是主成分和最大似然法。 两种方法的解都可以旋转,以简化对因子的解释。 尝试不止一种解决方法总是谨慎的。
可以使用因子分析的一些目的是 (1)
2021-10-25 21:08:11
7KB
matlab
1