注意:仅当选定公因子分析(对角线=SMC)选项时,才显示“先验公因子方差估计值”表。
先验公因子方差估计值
简化相关性矩阵的特征值 指出前两个因子解释了 100% 的公共方差,该结果表明您可能不需要两个以上因子就可对数据建模。
简化相关性矩阵的特征值
使用滑块或输入相应值来隐藏小于该值的绝对载荷值(该值即表中的指定值)。隐藏的值会根据文本变暗所指定的设置相应地变暗。
使用文本变暗滑块或输入相应值,控制绝对值比隐藏小于该值的绝对载荷值的指定值小的因子载荷值的字体透明度梯度。
注意:隐藏小于该值的绝对载荷值文本变暗设定值与“旋转的因子载荷”表中使用的值相同。针对一个载荷表设置的更改将同时更改其他载荷表中的设置。
未旋转的因子载荷
旋转矩阵
目标矩阵
因子结构
最终公因子方差估计值
标准得分系数
每个因子解释的方差
若将最大似然选作因子分解方法,将提供以下两个卡方检验结果。
第一个检验的 H0 为无公因子。该原假设指出没有任何公因子可以解释变量之间的交互相关。该检验为 Bartlett 球形检验,其原假设为:因子的相关性矩阵是一个单位矩阵 (Bartlett, 1954)。
第二个检验的 H0 为 N 个因子足够多,其中的 N 是指定的因子数。拒绝该原假设指出需要更多因子来解释变量之间的交互相关 (Bartlett, 1954)。
显著性检验中的检验表明模型中包含的公因子可以解释部分交互相关,但还需要更多因子。
注意:仅当选定最大似然因子分解方法选项时,“显著性检验”表才会显示。
显著性检验
使用滑块或输入相应值来隐藏小于该值的绝对载荷值(该值即表中的指定值)。隐藏的值会根据文本变暗所指定的设置相应地变暗。
使用文本变暗滑块或输入相应值,控制绝对值比隐藏小于该值的绝对载荷值的指定值小的因子载荷值的字体透明度梯度。
注意:隐藏小于该值的绝对载荷值文本变暗设定值与“未旋转的因子载荷”表中使用的值相同。针对一个载荷表设置的更改将同时更改其他载荷表中的设置。
旋转的因子载荷
因子载荷图
我们可以看到,在“因子载荷图”中,“因子 1”与四氯化碳-氯仿-苯-己烷这一组变量相关,“因子 2”与乙醚–1-辛醇这一组变量相关。请参见旋转的因子载荷的矩阵,了解详细信息。
得分图