Spss已经直接算出了几个因子，也就是列duFAC11就是因子F1 。类似地 ， 我们可以知道F2，F3...不用数了，如果你问F1怎么来的 ， 就说是f 10.701 x 10.549 x2 0.736 x3 0.216 x4 0.112 x 50.318 x 6..master成分分析和factor 分析的区别master成分分析和factor 分析的原理不同 。
【主成分分析 建模】
1、数学 建模众多因素提取主要因素,而且用SPASS软件,求偶那个什么模型?main成分分析是试图将许多相关的指标(如P指标)重新组合成一组新的不相关的综合指标来代替原来的指标 。principal成分分析是考察多个变量之间相关性的多元统计方法 。它研究的是如何通过几个principal 成分，揭示多个变量的内部结构，即从原始变量中推导出几个principal 成分，从而使它们尽可能多 。
所以从所有线性组合中选出的F1应该方差最大，所以称为第一主成分 。如果第一主成分不足以代表原p指标的信息 ， 可以考虑选择F2，即选择第二线性组合 。为了有效地反映原始信息，F1的现有信息不需要出现在F2中 。如果用数学语言表示 ， 则表示需要Cov(F1，F2)0 ， 则F2称为第二主成分 ， 以此类推 。
2、为什么要进行知识 建模,知识 建模的方法是什么?1 。为什么是知识建模:因为知识建模通常是知识的逻辑系统化过程，主要是指应用知识解决各种工程问题，自动完成工程中各种繁琐重复的工作 。2.知识的方法建模: 1 。对principal 成分分析进行降维 ， 在数据中找到principal 成分，利用这些principal成分特征 。1.集中样本数据；2.求样本协方差矩阵；3.将协方差矩阵分解为特征值，特征值由大到小排列；4.取前n个最大的对应特征向量W1 ，
Wn，从而将原始的m维样本减少到n维 。通过主成分分析，方差较小的特征可以被丢弃 。这里的特征向量可以理解为坐标变换中新坐标轴的方向 ， 特征值表示对应特征向量上的方差 。特征值越大，方差越大，信息量越大 。这就是为什么选择前n个最大特征值对应的特征向量，因为这些特征包含了更重要的信息 。PCA是一种线性降维方法，这也是它的局限性之一 。
3、主 成分 分析中pca模型的q2,r2x,r2y啥意思
推荐阅读
- 怎么分析机位图,霸王别姬所有机位图分析
- 建设项目敏感性分析报告,房地产建设项目需求分析报告范文
- rna-seq数据分析做图,RNA Seq数据分析方法
- struts 045 漏洞分析
- 多个定距变量做相关分析
- 保险销售大数据分析
- 数据的分析教学视频教程,数据收集和整理视频教程
- 分析报表ui界面设计,酷狗音乐ui界面设计分析
- 如何在手机上查看服务器和服务名称？ 手机怎么看服务器和服务名