个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
27
4
我希望有人能指出我正确的方向。首先，我不是统计学家。我是一名软件开发人员，我的任务是尝试使用 R 重现 SPSS 因子分析的结果(使用 PC 提取和方差最大旋转)。我在过去一周只接触过 R，所以我试图找到我的方式。
我确实发现 2010 年的这篇文章非常有帮助:https://stats.stackexchange.com/questions/612/is-psychprincipal-function-still-pca-when-using-rotation
我能够毫无问题地重现组件矩阵值，但是我需要计算“旋转”的组件矩阵值。同样，我需要使用最大方差旋转。创建组件矩阵值的最后一行是:
pfa.eigen$vectors [ , 1:factors ] *
diag ( sqrt (pfa.eigen$values [ 1:factors ] ), factors, factors )
-36 -30 -30 -30 -25 -48 -33 -30 -20 21 -1 4 0 -27 -11 25 10 10 38 46 -4 10 -21 -15 -2 -14 -6 -5 -13 37 -16 -26 -25 -18 -14 -23 -20 -20 -14 -19 -17 -9 -12 32 -14 -22 -14 -27 -19 14 -17 -1 -25 -22 -3 0 29 3 43 59 53 35 -21 60 12 -35 -9 -29 -2 -25 15 45 35 40 -17 22 7 -11 14 -18 11 15 6 6 15 20 -5 8 3 -11 4 -2 -18 13 31 -16 1 -8 -8 3 -15 -18 28 -3 -13 -9 7 -2 2 12 28 29 21 18 64 -10 13 -1 10 10
-32 -30 -28 -33 -30 -37 -33 -27 -21 13 0 25 -13 -26 6 25 20 4 33 50 -8 11 -23 -15 -21 -17 8 -15 -16 35 -17 -22 -23 -23 -13 -26 -18 -22 -22 -26 -15 -15 -18 24 -17 -25 -24 -23 -20 12 -13 -11 -21 -25 -7 22 50 -15 47 46 45 37 -19 51 6 -30 -12 -34 -5 -29 17 37 25 41 -6 17 1 -9 14 -10 17 26 2 34 18 22 7 15 14 -16 -9 -10 -16 17 14 -19 2 -15 -8 -7 -23 -15 38 -6 -14 0 12 -7 -3 3 24 24 49 27 45 -8 22 -15 29 53
-26 -19 -22 -19 -15 -40 -28 -23 -20 23 1 10 -1 -18 -7 11 18 11 23 33 -7 21 -22 -17 -2 -11 18 -2 1 63 -12 -23 -19 -13 -13 -24 -20 -16 -20 -17 -16 -10 -10 19 -11 -21 -6 -15 -13 12 -7 -10 -14 -19 0 7 8 -4 40 35 29 35 -10 47 3 -32 -5 -26 -8 -22 3 24 16 8 -11 18 9 -5 13 4 4 21 1 5 26 4 -4 17 21 -16 10 8 -16 12 10 -18 3 -10 -13 -1 -16 -17 44 14 -14 -7 8 -9 8 6 17 8 18 4 36 0 10 -6 -6 26
-24 -20 -29 -22 -22 -41 -22 -26 -18 15 -2 11 2 -9 1 15 10 10 26 27 -7 17 -17 -12 -2 -12 16 -2 -8 42 -11 -23 -20 -11 -13 -20 -18 -22 -18 -21 -19 -8 -6 17 -7 -15 -8 -14 -15 9 -9 -2 -19 -15 -5 2 16 -6 41 44 30 29 -18 57 -4 -25 -6 -25 -6 -20 3 22 20 4 -11 11 5 -7 11 -3 11 15 3 9 30 2 -3 18 25 -14 8 -7 -14 3 0 -19 2 -13 -11 -5 -19 -18 39 4 -13 0 2 -10 9 1 32 22 28 30 39 -7 2 -6 22 36
-25 -26 -28 -23 -13 -38 -26 -21 -14 4 -3 -11 -15 -21 -4 13 18 7 18 42 -11 -1 -15 -12 -9 -14 4 -5 -8 46 -16 -17 -17 -20 -11 -20 -19 -13 -12 -12 -14 -14 -17 18 -6 -16 -7 -16 -14 13 -15 -9 -11 -18 -1 -3 32 -13 45 59 37 32 -16 43 4 -26 -7 -21 -8 -22 21 43 26 27 -8 10 6 -7 4 -13 11 6 5 13 1 13 0 7 14 -13 -1 0 -11 15 22 -11 3 -3 -11 2 -12 -15 37 2 -11 -4 7 1 6 11 32 27 6 27 41 -10 16 -7 1 13
32 2 43 41 33 61 1 23 -13 19 17 16 -2 -13 18 -9 16 -12 -5 -10 18 21 -9 -5 -12 -12 -4 -14 -13 -1 -8 -15 -13 -16 -10 -14 -11 -14 -12 -13 -6 8 -8 -4 6 -4 9 -10 -10 20 -2 6 -10 27 4 -8 -12 -13 -10 -15 -14 55 -10 52 7 -17 5 -13 -4 -14 -9 -13 -8 -11 8 6 3 3 7 -3 1 6 -16 6 12 -9 -12 42 26 -13 -5 -6 -9 -8 -8 -7 -3 -9 -5 -7 -8 -8 6 -1 -8 -8 -2 -11 -10 -16 -11 -7 8 -9 -12 8 9 -2 -8 15
18 14 18 38 34 12 45 47 -21 -5 4 -12 35 44 -7 -26 -10 -10 -16 -13 18 7 21 17 -13 -16 -22 -22 -14 -18 -17 -3 38 -4 1 29 0 -11 -9 -17 -4 28 0 15 43 35 41 35 17 -17 -18 -16 -21 27 10 -19 -22 -11 -18 -20 -18 -21 36 -26 -15 38 2 30 -11 24 -5 -8 -13 0 6 -5 -3 5 -4 -11 -5 -21 -24 -24 -17 -21 -9 -13 11 -14 -6 -12 -10 -15 -5 -14 -14 -13 -4 -13 -13 14 -24 -22 48 27 -16 -7 8 -13 14 -5 20 23 -12 -1 -7 -15 -16 1
19 20 19 11 27 34 42 29 -9 39 20 16 31 20 9 -13 2 -2 17 -3 26 51 45 30 -21 -13 -18 -21 -20 -22 -18 -22 -22 -22 -18 -21 -20 -22 -18 -22 -14 -11 1 15 36 23 27 23 30 -5 -8 -6 -4 10 0 -18 0 -16 -11 -5 3 -27 1 -26 -20 -23 9 -3 -10 -4 -1 -6 -3 -7 25 40 36 39 48 6 9 -13 -19 -23 -17 7 -24 27 67 -23 -13 -13 -18 -8 23 -17 -19 -4 11 -20 -20 -17 -9 -16 8 -10 -3 -21 7 -19 -12 -7 -22 -15 -11 -7 4 -7 -19 -19
1 24 32 22 27 42 46 44 -10 19 36 7 16 -2 0 7 6 -14 -10 -10 15 29 24 13 -12 -12 -13 -16 -14 -14 -13 -20 -10 -17 -11 -18 -13 -11 -7 -15 -7 19 10 7 40 38 36 40 45 -5 -17 -7 -12 13 -2 -5 -12 -13 -10 -15 -16 -13 -2 -16 -12 -21 -1 -18 -14 -15 -11 -13 -16 -10 8 4 10 12 20 2 0 -10 -16 -16 -9 -2 -11 30 72 -13 -5 -8 -8 -14 -8 0 -13 -7 4 -9 -12 -11 -14 -11 20 1 -6 -10 -5 -14 -14 -10 -2 -3 -14 -6 -2 -11 -14 16
-36 -22 -58 -46 -77 -49 -47 -57 -19 -20 -37 -12 -10 -16 -19 -16 -19 15 -16 -25 -21 -25 -14 10 44 27 50 54 47 -36 41 56 41 51 -10 46 43 53 48 45 43 -44 2 -37 -39 -26 -40 -31 -25 29 -6 -6 35 -36 8 -1 7 5 -1 -12 -25 -24 19 -32 34 3 4 -18 32 -10 13 -4 4 -19 -8 -18 -7 2 -18 19 18 30 43 37 -24 11 37 -42 -33 36 21 47 -5 -13 -8 34 34 48 -2 3 31 -23 -27 23 -4 -1 4 41 13 21 -20 -24 -27 -15 -21 10 -9 24 -10 5
33 16 17 40 32 28 16 21 -10 -11 -22 -12 -17 -16 -15 -23 -16 2 -15 -18 9 -12 -4 -9 6 -6 9 3 -2 44 45 27 29 18 44 19 30 24 14 5 19 33 24 -18 12 -1 14 -7 -13 9 15 6 19 38 11 -22 -20 -9 -17 -22 -15 -15 -5 -17 -1 -20 19 -21 -1 -15 -6 -17 -12 -14 -4 -15 -15 -10 -13 2 -13 -14 -14 -19 -26 -22 9 10 -16 7 9 3 -5 10 -8 10 16 -1 -7 2 -5 -15 6 8 -19 -18 6 8 -13 -4 -11 -10 -16 -4 -14 3 -5 14 -14 -21
10 30 22 11 37 36 36 18 -4 -3 38 0 -11 -5 -10 -2 7 -12 -7 -8 4 0 0 -9 -18 -7 -16 -14 -9 -14 -15 -16 -13 -20 -7 -16 -13 -9 -14 -15 -12 1 -9 6 48 28 35 39 35 -8 5 -14 6 7 6 5 -8 -11 -6 -11 -5 -15 -13 -17 -11 -13 6 2 -3 -2 -5 -9 -9 -7 6 -8 -1 -11 -7 -3 -6 -8 20 -4 0 14 -10 17 -1 -11 -7 -7 -5 -9 -10 -8 -12 -11 -5 -10 -10 98 -10 -7 64 34 -3 -15 -1 -8 -13 -8 2 -8 -13 3 -1 -2 -4 -4
2 -2 -4 6 10 14 -4 -8 22 -1 4 13 -6 18 -16 7 10 0 1 -2 4 10 -11 -10 -7 -5 -11 -11 -6 -4 -9 -10 -14 1 -11 -9 -14 -8 -7 -12 -7 -17 -12 0 -2 -6 1 8 -4 -16 6 -16 14 3 -10 36 36 -10 -11 7 6 -16 -9 -22 -13 58 -11 59 10 38 -3 -8 2 -8 -12 0 4 -10 -4 -1 -4 11 18 40 8 3 3 12 -9 -8 -4 -9 -7 -4 -11 -4 -15 -9 -10 -4 8 6 0 0 12 5 2 -6 -4 -9 2 -6 3 -3 -11 -2 2 4 7 16
9 -3 -1 8 29 -9 3 14 4 -12 -10 -3 -4 9 -16 -1 5 0 -8 -5 12 -9 -9 -9 0 5 10 4 4 -15 -3 -4 2 6 -3 20 -10 -6 -8 6 2 -17 -7 8 10 -9 12 -6 -13 -11 -8 -13 1 22 11 -5 -11 -13 -7 -9 -7 -14 -7 -15 -12 64 13 46 21 42 -2 -4 1 -3 2 -15 -8 -11 -17 -3 4 -15 10 -6 -11 -3 -2 -10 -17 7 -1 -5 13 -13 -10 4 -7 -7 -6 1 28 -9 -15 11 -7 13 -3 -2 4 12 6 7 7 -6 -3 3 -4 3 18 -4
-15 -18 -19 -21 -11 -23 -18 -25 11 14 4 12 11 9 -18 21 21 -4 32 16 -7 34 -14 -16 -18 -23 -6 -15 -16 -6 -13 -21 -21 -19 -14 -22 -19 -20 -19 -22 -18 -25 -21 24 10 -19 12 -19 -10 3 -18 -15 -14 -14 -12 38 76 -14 26 33 45 -21 -16 -20 -13 15 -9 31 -2 23 -7 8 14 3 -10 11 5 -9 19 16 2 25 38 41 30 25 8 25 41 -17 -8 -9 -15 0 -3 -21 -16 -18 -12 -10 -2 7 37 3 -9 6 -1 -17 -3 -12 10 21 12 4 22 5 2 -6 -2 8
62 -5 15 14 29 22 5 10 -14 14 -3 16 15 27 -11 -5 27 -13 1 2 17 6 -8 -13 -10 -8 -9 -13 -11 -15 -8 -13 -12 -11 -9 -10 -11 -11 -12 -14 -6 -15 -11 3 17 -11 14 -11 -9 -12 -9 -3 -4 32 -1 11 -11 -9 -4 -13 -14 -12 -7 -15 -4 41 0 54 1 38 -9 -9 -2 -5 -7 7 -2 -9 5 6 10 5 -12 0 40 -9 -8 56 -4 -9 -5 -9 -8 -7 -4 -14 -11 -8 -7 -9 -7 1 -10 -6 0 7 -2 -13 -6 -14 -5 9 14 -2 -11 5 5 -3 11 3
12 12 15 8 49 42 7 15 -15 -8 51 7 -12 -5 -11 -1 29 -13 -4 -7 15 4 -7 -10 -6 -8 -8 -10 -9 -12 -10 -9 -11 -12 -8 -11 -8 -7 -11 -9 -8 -15 -5 10 1 22 4 48 15 -8 3 -9 -5 13 3 21 -12 -11 -12 -13 -12 -12 -11 -13 -7 -12 3 0 -7 -1 -4 -7 -8 -5 3 -2 -1 -10 -1 0 -3 -2 -5 5 20 3 -8 38 -12 -7 -7 -7 -1 -11 -8 -2 -9 -7 -6 -8 -4 100 -13 -5 18 40 -5 -10 -6 -4 -9 -6 -1 -9 -6 3 -4 0 -5 7
29 -7 -19 -16 -8 -14 -10 -14 -10 -9 7 -10 0 11 -9 -5 -3 0 -6 -8 -5 3 -6 1 -2 -8 -8 -10 0 -8 5 -2 27 4 21 29 12 10 4 0 3 7 -2 -8 -12 35 -2 27 34 -14 -4 -11 9 -9 11 18 -11 -4 -11 -11 -11 -12 -2 -13 -9 49 20 25 0 33 -11 -9 -7 -6 -10 -8 -9 -9 -8 -3 -6 -6 -16 -10 -17 -13 -1 9 -10 2 0 -2 -2 -6 -12 3 -3 -4 -6 -2 -2 70 -10 4 26 20 -3 -5 -1 -5 -4 2 6 -5 -9 3 -2 3 6 -6
-1 7 -14 2 -4 -49 17 2 -14 -25 20 -25 -10 8 -18 -8 -31 6 -16 -17 -5 -26 14 46 21 30 -13 34 22 -24 11 43 15 39 64 53 17 8 18 32 17 -4 19 -18 11 41 16 29 45 -28 -11 -19 45 -10 11 -14 -22 18 -22 -17 -26 -28 9 -27 -23 -17 17 -14 0 1 -1 -9 -11 -7 -9 -23 -15 -10 -18 -9 -17 -19 -12 -10 -34 -21 16 -41 -28 19 -2 -4 28 -15 -16 0 -15 15 -12 -14 0 25 -24 -12 57 50 -6 26 47 10 -1 -10 -10 -15 -8 -1 -10 7 -15 -23
0 -17 -20 -18 -28 -12 -14 -19 59 -11 -10 -12 -9 8 -9 25 -9 13 -7 -6 -4 -11 -5 -2 -2 0 -4 -4 2 -7 45 1 8 11 -4 -1 7 -8 3 8 0 -1 9 -9 -10 -11 -9 -1 -9 -8 15 12 19 2 4 1 -9 -1 2 -4 -2 -10 -6 -14 -8 45 19 20 7 24 -7 -3 -2 -5 -8 -13 0 -6 -10 29 -2 -4 -9 -10 -9 -5 7 -14 -7 10 -5 -3 16 31 5 -4 2 -7 -5 23 21 -5 35 11 -6 -11 -5 0 -12 -2 2 10 -2 -2 -10 -4 -7 -3 7 -4
-13 -4 -23 -6 5 -31 -7 -9 33 -20 -16 -16 -16 11 -18 12 -16 0 -15 -17 -13 -15 -14 -12 30 49 -13 26 30 -17 6 41 -9 40 -7 6 -1 8 31 24 2 -18 18 -19 1 -7 -1 -13 -9 -18 -16 -15 22 -14 -6 10 11 46 -10 -10 -14 -20 -15 -20 -15 46 -11 49 0 40 -12 -11 -9 -18 -12 -20 -12 -17 -18 -8 -14 -1 22 27 -19 -10 26 -28 -17 32 14 26 30 1 -11 24 -5 17 -11 22 38 -14 -13 -3 10 8 -8 23 12 16 2 -16 -15 -11 -13 8 -11 -4 -6 -10
47 24 54 52 38 62 54 34 -17 16 -2 9 18 -5 32 -18 0 -16 -10 -15 4 13 3 -2 -15 -12 1 -18 -18 -17 -9 -17 -16 -17 -11 -19 -11 -14 -17 -15 -13 18 14 -8 -5 24 8 7 -4 1 36 24 -13 6 -5 -12 -10 -12 -12 -15 -16 51 7 36 49 -20 -4 -21 -14 -19 -14 -15 -14 -13 2 4 -8 8 18 6 17 -9 -11 -17 12 -9 -16 23 20 -16 -8 -8 -11 -12 -12 9 -5 -11 61 -13 -10 -11 -15 -5 -13 -16 -5 -14 -12 -15 -10 -11 -6 2 -14 -2 -1 -1 -9 -14
15 44 57 25 22 50 36 37 25 -4 14 1 3 6 72 -16 0 -12 -10 -4 18 -9 55 15 -13 -10 -15 -19 -13 -17 -17 -19 -14 -23 -11 -20 -16 -9 -12 -16 -11 27 5 9 6 14 9 20 5 16 23 19 -16 31 -10 -14 -12 43 -15 -14 -11 -2 -6 -12 -4 -24 -2 -18 -9 -19 0 -12 -9 -1 40 11 15 35 3 -5 -7 -13 5 -22 4 10 -18 -29 -8 -11 -13 -10 -7 -6 7 1 -5 -11 43 -8 -6 -11 -16 -12 -16 -14 -3 -15 -12 -12 -11 -10 -13 -13 -18 -2 1 -3 0 -13
-34 23 -8 -12 -28 -19 -15 -10 39 -20 -21 -18 -15 -23 4 3 -31 10 -18 -20 -9 -31 21 4 17 20 2 21 11 -23 16 12 32 14 -11 -1 42 39 28 48 26 26 21 -22 -10 0 -5 -2 13 22 10 39 -19 -8 1 -32 -22 33 -16 -12 -3 -21 28 -21 13 -38 4 -34 1 -29 11 -10 -6 -11 22 -4 4 21 -5 5 -7 -6 15 -26 -19 11 7 -47 -24 26 -3 -4 36 26 8 36 47 17 3 44 2 -19 -23 1 -17 -31 0 14 -5 -2 -5 -7 -21 -1 -18 -3 -12 9 -5 -12
-11 0 -8 -10 -27 -8 -11 0 -14 -17 -31 -12 -16 -18 -4 -20 -35 17 -15 -28 -13 -25 -3 11 27 31 38 34 50 -27 22 60 37 40 28 53 34 51 26 16 37 26 10 -24 -13 -11 -24 -9 -8 12 32 7 4 -10 -4 -21 -13 4 -18 -25 -22 -10 4 -20 29 -16 -5 -26 6 -30 13 -5 -9 -14 4 -20 -14 -5 -28 15 -1 -10 26 -11 -31 -2 14 -38 -26 12 18 37 -3 -7 -5 13 17 47 7 5 16 -24 -25 24 -24 -25 1 23 11 26 -13 -15 -13 -14 -11 -1 -10 13 -16 -10
15 23 50 21 25 40 33 39 -14 -5 -16 7 43 43 56 -20 -20 -5 -16 -14 -1 -20 37 37 -17 -15 -6 -16 -18 -15 -6 -14 21 -13 -6 -7 10 7 0 1 1 41 14 -6 -5 17 -15 16 11 -15 11 57 -20 10 -13 -21 -16 8 -18 -17 -18 38 83 10 31 -21 -6 -24 -6 -21 -8 -2 -16 7 22 -11 -7 41 -6 -14 -11 -17 -20 -26 -13 -13 -10 -27 -17 4 -7 -13 4 -14 -18 16 10 -17 39 3 -16 -14 -15 -1 -16 -17 -8 -6 -16 -19 -12 2 -13 20 -16 -13 -3 -14 -15 -15
22 6 19 8 -5 38 -14 -8 21 -31 -31 -18 -5 2 -13 -29 -26 16 -20 -25 -9 -26 -8 11 23 26 17 26 18 60 12 50 11 25 86 42 30 17 48 41 22 20 7 -13 -20 -18 -23 -23 -16 -17 36 10 29 0 -3 -19 -20 -8 -27 -27 -27 -11 29 -20 -12 19 -8 8 9 5 -3 -15 -10 -20 -12 -21 -8 -7 -22 -7 -23 -22 -22 -13 -32 -28 25 -18 -28 40 0 -2 48 18 -7 0 -2 18 -13 18 2 -17 4 1 -18 -22 8 33 -7 9 -15 -22 -25 -17 -21 6 -6 14 -12 -22
16 -19 8 -8 -16 15 -17 -16 43 10 20 28 -1 5 -11 14 41 -9 9 -3 -7 1 -10 -11 -3 -5 -6 -13 -13 -13 -13 -15 -10 -13 -10 -15 -12 -13 -11 -12 2 -15 -9 -12 -11 -16 -16 -10 -9 -13 -3 -6 7 -7 11 64 -8 -8 -4 -12 -10 -14 -6 -15 -8 40 -7 46 14 33 -8 -12 -2 -10 -4 5 -1 -9 7 17 13 31 -11 34 52 3 -7 19 -16 -7 -4 -8 6 -7 -2 15 -13 -8 -4 -11 18 8 -12 0 1 26 4 -15 -8 -13 -5 -6 2 -6 -9 15 2 9 28 -4
-30 23 12 10 -15 1 13 23 33 10 -7 -5 6 -3 55 14 -16 -1 9 22 1 -14 40 1 -6 7 -2 -11 -12 -15 -11 -23 -8 -26 -18 -29 1 7 -6 1 3 15 15 2 -17 -16 -10 -20 -15 35 21 22 -23 8 -3 -29 -19 27 0 -4 16 -9 -7 -11 -5 -38 0 -35 -1 -27 27 15 18 39 30 14 16 43 8 -2 -2 -15 12 -34 15 24 -17 -44 -24 -1 -11 -8 2 16 43 6 25 2 15 20 -14 -21 -17 2 -22 -21 8 -17 -19 1 -17 -2 -18 -9 7 -4 5 17 16 -13
-25 -19 -31 -24 -41 -39 -22 -30 10 -29 -21 -22 -15 9 -21 1 -23 -3 -17 -22 -20 -17 -19 -2 45 34 -1 55 54 -18 52 62 34 57 10 46 48 45 41 65 25 -26 -5 -22 -19 -4 -19 -13 3 -23 -17 -12 65 -19 4 11 -20 16 -21 -17 -22 -23 7 -23 -18 37 -4 34 9 46 -6 -16 -14 -16 -20 -15 -19 -22 -19 -7 -19 6 -17 12 -24 -21 15 -35 -22 36 27 42 21 -2 -12 13 -4 43 -15 3 56 -10 -13 -6 -3 -10 6 43 12 35 -14 -16 -18 -14 -18 9 -14 -3 -4 -27
-34 -25 -37 -30 -31 -43 -34 -31 -21 15 -2 3 -4 -23 -4 19 15 6 25 40 -15 3 -20 -14 -3 -1 8 0 -5 29 -15 -18 -19 -10 -12 -18 -19 -13 -12 -18 -14 -7 -14 13 -24 -20 -16 -21 -16 12 -12 -3 -21 -24 -10 -3 24 -2 37 38 43 38 -18 58 28 -26 -15 -22 -2 -23 8 25 20 42 -10 17 9 -14 4 -10 13 7 -1 1 20 15 -8 13 3 -10 11 4 -13 11 15 -9 8 -6 -1 3 -6 -18 32 8 -19 -11 2 0 6 18 34 36 30 28 39 -2 15 -6 25 11
FILE HANDLE X /NAME='\spsswin\auto\matrix.nrm' LRECL=155.
DATA LIST FILE=X /VAR1 TO VAR120 1-155.
DO REPEAT XTEMP=VAR1 TO VAR120.
COMPUTE XTEMP=XTEMP+200.
END REPEAT.
LIST.
CORRELATIONS VARIABLES=VAR001 TO VAR120
/PRINT=TWOTAIL NOSIG.
FACTOR VARIABLES=VAR001 TO VAR120
/CRITERIA=FACTORS(5),ITERATE(200)
/EXTRACTION=PC
/ROTATION=VARIMAX.
Component Matrixa
Component
1 2 3 4 5
var001 .075 -.751 -.232 .261 -.427
var002 .217 -.839 .358 .009 .154
var003 -.059 -.881 .253 .211 -.199
var004 .044 -.867 .119 .095 -.292
var005 -.193 -.855 -.147 .002 -.208
var006 -.025 -.831 .125 .370 -.242
var007 .000 -.946 .102 -.100 .023
var008 -.036 -.930 .204 -.054 -.064
var009 .295 -.002 .034 .458 .478
var010 -.875 -.126 .078 .131 .006
var011 -.498 -.514 -.381 -.094 .249
var012 -.762 -.136 -.113 .451 -.106
var013 -.320 -.604 .150 -.043 -.063
var014 .165 -.610 -.305 -.003 .074
var015 -.222 -.420 .727 .143 .086
var016 -.540 .542 -.174 .052 .380
var017 -.791 .019 -.413 .331 -.061
var018 .267 .739 .255 -.240 -.022
var019 -.848 .440 -.034 -.030 .108
var020 -.834 .463 .086 -.176 .063
var021 -.308 -.818 -.050 .070 -.003
var022 -.767 -.226 -.276 .055 .002
var023 .084 -.714 .500 -.081 .404
var024 .428 -.493 .274 -.388 .146
var025 .825 .487 -.043 -.057 .037
var026 .833 .316 -.006 -.061 .195
var027 .291 .651 .290 .175 -.328
var028 .788 .531 -.023 -.135 .036
var029 .817 .465 -.080 -.079 .039
var030 -.410 .433 .098 -.235 -.475
var031 .795 .286 .006 .067 -.122
var032 .919 .261 -.080 -.111 -.088
var033 .827 -.013 .103 -.153 -.119
var034 .895 .334 -.171 -.116 -.042
var035 .614 -.033 -.076 -.335 -.361
var036 .866 .101 -.191 -.254 -.173
var037 .905 .161 .192 -.043 -.071
var038 .882 .240 .231 .034 .015
var039 .923 .268 .074 -.043 -.002
var040 .905 .262 .072 -.060 .099
var041 .916 .195 .156 .062 -.017
var042 .146 -.560 .594 -.176 -.276
var043 .637 -.350 .459 -.104 .046
var044 -.904 -.024 -.072 -.238 .059
var045 -.193 -.744 -.307 -.241 .135
var046 .145 -.811 -.142 -.393 .085
var047 -.215 -.762 -.302 -.238 .129
var048 .034 -.796 -.219 -.290 .162
var049 .140 -.666 -.206 -.435 .297
var050 -.279 .365 .666 .221 .104
var051 .334 -.252 .551 .353 -.239
var052 .132 -.229 .824 .213 -.140
var053 .764 .158 -.441 -.015 .001
var054 .004 -.811 .034 .177 -.178
var055 .386 -.114 -.386 -.102 -.025
var056 -.296 .250 -.715 .405 .078
var057 -.593 .528 -.200 .047 .104
var058 .440 .085 .374 -.052 .487
var059 -.737 .634 .033 -.142 -.018
var060 -.731 .610 .019 -.226 .041
var061 -.784 .526 .096 -.134 .139
var062 -.574 .181 .365 -.043 -.534
var063 .470 -.350 .350 -.139 -.185
var064 -.670 .362 .250 -.155 -.414
var065 -.031 .224 .580 .201 -.410
var066 .329 -.042 -.690 .286 -.012
var067 .356 -.369 -.116 -.123 .054
var068 .181 -.135 -.769 .314 .087
var069 .547 .471 -.221 .397 .083
var070 .280 -.107 -.783 .222 .108
var071 -.171 .575 .528 -.185 .298
var072 -.655 .613 .208 -.309 .040
var073 -.644 .690 .121 -.081 .141
var074 -.679 .364 .314 -.272 .126
var075 -.052 -.613 .612 .132 .360
var076 -.857 -.006 .186 .063 .206
var077 -.664 -.153 .285 .072 .459
var078 -.088 -.502 .712 .085 .320
var079 -.801 -.221 .105 .083 .179
var080 .196 .054 -.089 .622 .132
var081 -.629 .295 .047 .289 -.041
var082 -.381 .659 -.286 .372 .032
var083 .038 .506 .046 .263 .417
var084 -.173 .587 -.562 .309 .033
var085 -.758 .115 -.156 .443 -.006
var086 -.599 .362 .238 .204 .525
var087 .661 .594 -.192 -.059 -.064
var088 -.683 -.212 -.414 .213 -.338
var089 -.671 -.269 -.096 -.105 .008
var090 .903 .305 .039 -.018 .042
var091 .492 .640 -.112 -.104 -.213
var092 .618 .559 -.039 .038 -.013
var093 .746 .029 -.005 -.052 .122
var094 -.131 .536 .369 -.013 .067
var095 -.514 .310 .477 -.063 .404
var096 .764 .039 .272 .287 .129
var097 .327 .430 .703 .099 .035
var098 .805 .397 .091 -.025 .108
var099 -.050 -.504 .601 .224 -.056
var100 .422 .386 .446 .080 .181
var101 .707 .315 -.351 .281 .150
var102 -.017 -.353 -.518 -.095 .112
var103 -.642 .527 -.044 -.101 -.224
var104 .243 .633 .185 .334 -.218
var105 .110 -.438 -.606 -.411 .254
var106 -.057 -.221 -.765 -.232 .176
var107 -.150 .692 .225 .171 -.086
var108 .815 .467 -.019 -.218 -.085
var109 .264 .293 -.374 -.615 .166
var110 .435 .752 -.017 -.262 .026
var111 -.622 .507 -.122 -.394 -.101
var112 -.764 .406 .002 -.212 -.055
var113 -.750 .259 -.285 -.185 -.239
var114 -.643 .267 .136 -.346 -.269
var115 -.719 .591 .065 -.301 -.039
var116 .458 .074 -.525 .496 -.043
var117 -.873 .244 .110 -.001 -.120
var118 .600 .244 .180 .349 .086
var119 -.479 .446 -.127 .276 .106
var120 -.690 .387 -.146 -.009 -.128
Extraction Method: Principal Component Analysis.
a 5 components extracted.
pfa.eigen <- eigen(cor(my.data))
pfa.eigen$values
factors <- 5
pfa.eigen$vectors[ ,1:factors] %*% diag(
sqrt(pfa.eigen$values[1:factors]), factors, factors)
Rotated Component Matrixa
Component
1 2 3 4 5
var001 -.202 -.636 -.192 .208 -.590
var002 -.039 -.907 -.144 .091 .223
var003 -.347 -.880 .001 .099 -.149
var004 -.223 -.850 -.110 .025 -.280
var005 -.428 -.654 -.354 -.012 -.311
var006 -.338 -.804 .013 .258 -.275
var007 -.253 -.852 -.355 -.026 .007
var008 -.287 -.883 -.222 -.056 -.019
var009 .165 -.041 .025 .629 .318
var010 -.878 .086 .106 -.106 .064
var011 -.608 -.120 -.585 .033 .021
var012 -.847 .102 .140 .205 -.191
var013 -.460 -.506 -.111 -.127 -.002
var014 -.033 -.433 -.498 .194 -.153
var015 -.344 -.596 .392 -.056 .390
var016 -.368 .729 -.002 .054 .302
var017 -.812 .377 -.079 .178 -.268
var018 .523 .466 .366 -.277 .199
var019 -.658 .631 .141 -.217 .169
var020 -.602 .596 .189 -.389 .219
var021 -.542 -.606 -.313 .065 -.092
var022 -.799 .119 -.223 -.045 -.120
var023 -.109 -.787 -.121 .025 .538
var024 .342 -.620 -.246 -.208 .261
var025 .921 .228 .081 .134 .010
var026 .877 .084 -.023 .195 .147
var027 .438 .316 .651 -.029 -.122
var028 .916 .269 .081 .050 .040
var029 .911 .227 .036 .126 -.004
var030 -.192 .384 .343 -.534 -.244
var031 .812 .017 .152 .179 -.136
var032 .955 .008 -.016 .093 -.129
var033 .804 -.282 .004 -.002 -.073
var034 .953 .121 -.070 .118 -.127
var035 .641 -.197 -.107 -.249 -.322
var036 .890 -.078 -.185 -.031 -.241
var037 .905 -.186 .162 .091 .003
var038 .889 -.119 .223 .166 .089
var039 .949 -.041 .093 .143 .009
var040 .932 -.027 .045 .162 .096
var041 .901 -.141 .174 .211 .014
var042 .031 -.798 .222 -.326 .042
var043 .524 -.649 .092 -.011 .219
var044 -.801 .260 -.139 -.379 .110
var045 -.355 -.439 -.660 -.063 -.051
var046 -.022 -.656 -.633 -.167 -.009
var047 -.381 -.452 -.659 -.067 -.054
var048 -.146 -.575 -.661 -.059 .007
var049 .018 -.474 -.720 -.122 .157
var050 -.186 .122 .690 -.044 .432
var051 .180 -.573 .519 .171 -.028
var052 .033 -.596 .635 -.034 .232
var053 .749 .118 -.298 .274 -.252
var054 -.266 -.743 -.154 .144 -.234
var055 .339 -.042 -.375 .107 -.231
var056 -.310 .586 -.249 .471 -.327
var057 -.415 .705 .079 -.055 .060
var058 .444 -.130 .069 .134 .586
var059 -.469 .728 .259 -.365 .127
var060 -.454 .721 .181 -.409 .181
var061 -.548 .641 .208 -.320 .282
var062 -.451 .087 .546 -.480 -.205
var063 .379 -.590 .096 -.137 -.013
var064 -.469 .333 .447 -.540 -.121
var065 .016 -.098 .747 -.155 -.066
var066 .216 .152 -.397 .504 -.432
var067 .247 -.353 -.321 .060 -.045
var068 .040 .156 -.508 .558 -.393
var069 .553 .354 .142 .522 -.106
var070 .159 .166 -.560 .511 -.369
var071 .055 .368 .420 -.277 .608
var072 -.360 .628 .277 -.512 .287
var073 -.381 .735 .306 -.261 .293
var074 -.463 .387 .238 -.462 .386
var075 -.249 -.723 .115 .121 .537
var076 -.814 .169 .123 -.126 .307
var077 -.681 -.015 .033 .007 .544
var078 -.236 -.663 .227 .022 .574
var079 -.829 -.001 -.003 -.065 .218
var080 .058 .032 .166 .647 -.052
var081 -.559 .387 .324 .045 .002
var082 -.251 .780 .227 .260 -.103
var083 .118 .456 .187 .333 .368
var084 -.071 .779 -.037 .335 -.249
var085 -.772 .349 .168 .227 -.106
var086 -.502 .436 .233 .131 .592
var087 .798 .411 .064 .087 -.129
var088 -.747 .116 -.123 .020 -.506
var089 -.683 -.012 -.189 -.201 -.005
var090 .934 .016 .078 .182 .029
var091 .669 .443 .185 -.071 -.192
var092 .730 .333 .184 .141 -.027
var093 .712 -.151 -.100 .178 .065
var094 .045 .354 .452 -.159 .299
var095 -.372 .261 .309 -.181 .648
var096 .664 -.269 .245 .402 .150
var097 .426 -.003 .685 -.043 .382
var098 .871 .109 .129 .155 .126
var099 -.226 -.683 .348 .043 .175
var100 .495 .060 .415 .088 .370
var101 .677 .243 -.097 .532 -.118
var102 -.113 -.069 -.592 .120 -.180
var103 -.418 .614 .253 -.354 -.107
var104 .348 .367 .599 .165 -.110
var105 .043 -.112 -.885 -.038 -.064
var106 -.090 .170 -.797 .071 -.212
var107 .033 .527 .549 -.036 .080
var108 .944 .191 .068 -.055 -.052
var109 .452 .376 -.493 -.329 .069
var110 .680 .552 .141 -.167 .097
var111 -.347 .648 .015 -.533 .006
var112 -.545 .548 .132 -.419 .074
var113 -.584 .510 -.050 -.373 -.242
var114 -.436 .316 .189 -.606 -.033
var115 -.429 .674 .202 -.510 .149
var116 .328 .140 -.137 .651 -.411
var117 -.736 .378 .266 -.303 .030
var118 .557 -.019 .312 .408 .085
var119 -.381 .569 .192 .157 .044
var120 -.528 .558 .131 -.213 -.103
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a Rotation converged in 20 iterations.
最佳答案
如果您使用 principal()在 psych包，您可以指定参数:rotate
"none", "varimax", "quatimax", "promax", "oblimin", "simplimax", and "cluster" are possible rotations/transformations of the solution.
引用:Psych on Cran
这可能对你有帮助。为时已晚，但供将来引用:data (df)> install.packages ("psych")> library ("psych")> rotatedmatrix <- principal(df, nfactors = 4, rotate = "varimax", scores = TRUE)
要获得因子载荷:> loadings <- as.data.frame(unclass(rotatedmatrix$loadings))
要将因子载荷导出到文本文件:> capture.output(print(rotatedmatrix), file=""filename.txt")
关于用 R 再现 SPSS 因子分析，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/18139292/
27
4
0
我正在处理一个由多回答问题组成的数据集。我想对所有变量运行计数频率并合并图表，以便显示勾选复选框的人数百分比。我无法弄清楚如何让 SPSS 进行多次计数并合并输出图。任何人都有一些见解？ 数据集设置完
我正在处理一个由多回答问题组成的数据集。我想对所有变量运行计数频率并合并图表，以便显示勾选复选框的人数百分比。我无法弄清楚如何让 SPSS 进行多次计数并合并输出图。任何人都有一些见解？ 数据集设置完
我想将不同的自定义表格放在 Excel 中的不同工作表中。我尝试使用 OMS 和 OUTPUT EXPORT，但这些功能不能满足我的要求。如果有人有想法，我希望这会帮助我。 :) 最佳答案 OUTPU
假设我有两个变量列表 list a: a1 a2 a3 list b: b1 b2 b3 我想以这样的方式处理: TEMPORARY. SELECT IF a1=b1. FREQUENCY someV
我为一年中的每个月设置了一个变量，该变量的值可以是 1(表示该月已检查过的内容)或 SYSMIS。 我如何将其重新编码为一个新变量，例如VAR1 我得到类似的东西 0 = no checks in
根据反馈编辑... 有没有办法将变量从一个打开的数据集复制到 SPSS 中的另一个？我尝试过的是创建一个临时变量来捕获变量的值，并在 Compute 命令中使用该临时变量到下一个数据集: DATASE
我想从另外两个变量创建一个新变量。 第一个是 SEX(0=男性，1=女性；虽然我们已经为这种可能性做好了计划，但受访者没有选择其他性别)，而第二个是 RACE9(0=白人，1=种族化)。新变量命名为
我是 SPSS 新手，之前曾接受过 R 和 Stata 培训，但我正在处理的一些调查数据使用 SPSS，因此我被迫转换。 我有一个相对简单的问题 - 创建一个变量后，如何将它移动到另一个变量之后？ 例
如何在 SPSS 中运行多组回归，而不必每次都重新键入命令或不必每次都手动更改因变量？ 我需要使用相同的自变量运行大量回归，但我需要更改因变量。是否有可能简化此过程？ 非常感谢您的帮助。 最佳答案 另
如何在 SPSS 中将所有变量的所有负值标记为缺失？我有一个包含超过 300 个变量的数据集，但没有一个定义了缺失值，但对于所有变量，-1 和 -2 应被视为缺失值。有没有比手动处理每个变量更好的方法
在使用 R 大约五年后，我刚刚开始使用 SPSS(我对此并不满意，但你按照老板告诉你的去做)。我只是想根据分类变量进行简单的计数。 我有一个数据集，其中我知道一个人的出生年份。我已重新编码为一个新变量
如何在 SPSS 中运行多组回归，而不必每次都重新键入命令或不必每次都手动更改因变量？ 我需要使用相同的自变量运行大量回归，但我需要更改因变量。是否有可能简化此过程？ 非常感谢您的帮助。 最佳答案 另
这个问题在这里已经有了答案: 关闭 10 年前。 Possible Duplicate: Analyze multiple response field from google doc form 数
我有一个包含不同家庭成员信息的 SPSS 数据集，我需要生成一个新变量来计算组成这些家庭的人数。原始数据集类似于: 编号 |年龄 |高度 332 | 23 | 1.78 332 | 27 | 1.65
对于一个学校项目，我发现自己正在使用人口普查局当前人口调查中的数据。我选择了 SPSS 来处理数据，因为在我有限的时间范围内，它似乎是最容易直接使用的软件。一切看起来都很简单，除了一个给我带来麻烦的操
是否可以在不使用代码的情况下反转 SPSS 图中的轴，比如从 -1,0,1 到 1,0,-1？我只能将轴的坐标从 x 更改为 y 和reverse 这不是我想要的。我知道可以使用代码进行反转(或者他们
在 R 中有 source 函数，您可以在其中从另一个 R 脚本获取 R 脚本。我希望能够在 SPSS 中做同样的事情。 我如何从另一个 SPSS 语法文件获取 SPSS 语法文件？ 最佳答案 根据@
我是一名开发人员，负责研究如何使用SPSS收集以前的结果，因此我们可以使用一些新数据重复该过程。我们不能问做原始分析的人，因为可悲的是他不再与我们在一起了，所以我不得不弄清他的所作所为。 我不是统计学
我有大约 300 个变量，我正在计算它们的偏度和峰度。现在，我想创建一个新的变量，它将包含所有那些偏度和峰度在一定范围内的变量的列表。这个想法是只选择那些满足条件的变量并对所有其他变量执行归一化。 计
我所有的数据都在一个 .txt 文件中，字段分隔符是逗号和换行符。所以我使用“Var. File”组件作为源组件。 我想弄清楚如何删除包含空值的行，然后获取输出以进行进一步处理。 最佳答案 要丢弃 I
我是一名优秀的程序员,十分优秀！