.986Р-.145Р家庭设备用品及服务X3Р.976Р.204Р杂项商品与服务X8Р.976Р.190РExtraction Method: ponent Analysis.Рa. ponents extracted.Р本文采用的是主成分模型中的主成分分析法来求解因子载荷矩阵.表5显示了因子载荷矩阵.根据该表可写出因子分析模型:Р由表7可知:8个变量在第1个因子上的载荷都很高,意味着它们与第1个因子的相关程度高,第1个因子很重要;第2个因子与原有变量的相关性均较小,它对原有变量的解释作用不显著.另外还可以看到:这两个因子的实际含义比较模糊。Р(3)因子的命名解释Р表8 ponent MatrixaРComponentР1Р2Р医疗保健X4Р.821Р.565Р娱乐教育文化服务X6Р.818Р.568Р交通通迅X5Р.773Р.630Р居住X7Р.761Р.642Р食品X1Р.738Р.671Р衣着X2Р.720Р.692Р家庭设备用品及服务X3Р.577Р.813Р杂项商品与服务X8Р.586Р.803РExtraction Method: ponent Analysis. Р Rotation Method: Varimax with Kaiser Normalization.Рa. Rotation converged in 3 iterations.Р因子旋转的方式有两种:一种是正交旋转,另一种是斜交旋转。正交旋转是指坐标轴始终保持90度角旋转,于是新生成的因子仍可保持不相关性。本文采取的是正交旋转中的方差极大法。表6是旋转后的因子载荷矩阵。可知:医疗保健、娱乐教育文化服务在第1个因子上有较高的载荷,第1个因子主要解释了这几个变量,可以把该因子命名为享受消费因子记为F1;家庭设备用品及服务、杂项商品与服务在第2个因子上有较高的载荷,可以把该因子命名为综合消费因子记为
全文预览
