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
我刚刚继承了一个旧的 PostgreSQL 安装，需要进行一些诊断以找出该数据库运行缓慢的原因。在 MS SQL 上，您可以使用 Profiler 等工具来查看正在运行的查询，然后查看它们的执行计划。
将目标从Analytics（分析）导入到AdWords中，然后在Analytics（分析）中更改目标条件时，是否可以通过更改将目标“重新导入”到AdWords，还是可以自动选择？ 最佳答案 更改目标值
我正在使用google analytics api来获取数据。我正在获取数据，但我想验证两个参数，它们在特定日期范围内始终为0。我正在获取['ga:transactions']和['ga:goalCo
我使用Google API从Google Analytics（分析）获取数据，但指标与Google Analytics（分析）的网络界面不同。 即：我在2015年3月1日获得数据-它返回综合浏览量79
我在我的Web应用程序中使用sammy.js进行剔除。我正在尝试向其中添加Google Analytics（分析）。我很快找到了following plugin来实现页面跟踪。 我按照步骤操作，页面如
当使用 Xcode 分析 (product>analyze) 时，有没有办法忽略给定文件中的任何错误？ 例如编译指示之类的？ 我们只想忽略第三方代码的任何警告，这样当我们的代码出现问题时，它对我们
目录 EFK 1. 日志系统 2. 部署ElasticSearch 2.1 创建handless服务 2.2 创建s
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗？更新问题，使其成为 on-topic对于堆栈溢出。 7年前关闭。 Improve thi
GCC/G++ 是否有可用于输出分析的选项？ 能够比较以前的代码与新代码之间的差异(大小、类/结构的大小)将很有用。然后可以将它们与之前的输出进行比较以进行比较，这对于许多目的都是有用的。 如果没有此
我正在浏览 LYAH，并一直在研究处理列表时列表理解与映射/过滤器的使用。我已经分析了以下两个函数，并包含了教授的输出。如果我正确地阅读了教授的内容，我会说 FiltB 的运行速度比 FiltA 慢很
在 MySQL 中可以使用 SET profiling = 1; 设置分析 查询 SHOW PROFILES; 显示每个查询所用的时间。我想知道这个时间是只包括服务器的执行时间还是还包括将结果发送到前
我用 Python 编写了几个用于生成阶乘的模块，我想测试运行时间。我找到了一个分析示例 here我使用该模板来分析我的模块: import profile #fact def main():
前几天读了下mysqld_safe脚本，个人感觉还是收获蛮大的，其中细致的交代了MySQL数据库的启动流程，包括查找MySQL相关目录，解析配置文件以及最后如何调用mysqld程序来启动实例等，有着
上一篇：《人工智能大语言模型起源篇，低秩微调（LoRA）》 （14）Rae 和同事（包括78位合著者！）于2022年发表的《Scaling Language Models: Methods, A
1 内网基础 内网/局域网（Local Area Network，LAN），是指在某一区域内有多台计算机互联而成的计算机组，组网范围通常在数千米以内。在局域网中，可以实现文件管理、应用软件共享、打印机
1 内网基础 内网/局域网（Local Area Network，LAN），是指在某一区域内有多台计算机互联而成的计算机组，组网范围通常在数千米以内。在局域网中，可以实现文件管理、应用软件共享、打印机
我有四列形式的数据。前三列代表时间，value1，value 2。第四列是二进制，全为 0 或 1。当第四列中对应的二进制值为0时，有没有办法告诉excel删除时间、值1和值2？我知道这在 C++ 或
我正在运行一个进行长时间计算的 Haskell 程序。经过一些分析和跟踪后，我注意到以下内容: $ /usr/bin/time -v ./hl test.hl 9000045000050000 Com
我有一个缓慢的 asp.net 程序正在运行。我想分析生产服务器以查看发生了什么，但我不想显着降低生产服务器的速度。 一般而言，配置生产盒或仅本地开发盒是标准做法吗？另外，您建议使用哪些程序来实现这一
我目前正在尝试分析 Haskell 服务器。服务器永远运行，所以我只想要一个固定时间的分析报告。我尝试只运行该程序 3 分钟，然后礼貌地要求它终止，但不知何故，haskell 分析器不遵守术语信号，并
我是一名优秀的程序员,十分优秀！