4 Табличка.
Total Variance Explained – общая объясненная дисперсия.
Component – собственно наши факторы, их всего 21 у нас.
Initial Eigenvalues – начальные значения факторов.
Total – собственные значения факторов – какую часть общей дисперсии объясняет фактор, суммарная дисперсия 21 (по числу факторов).
% of Variance – процент объясненной дисперсии (сколько процентов мы объясняем каждым фактором).
Cumulative % - накопленный процент (к каждому предыдущему проценту прибавляется следующий,, например, 1 фактор объясняет 23%, торой 14%, а вместе 27% и именно это вместе показывает нам накопленный процент)
Extraction Sums of Squared Loadings – величины, характеризующие информативность каждого из факторов до вращения – остались те, у кого собственные значения факторов больше 1.
Rotation Sums of Squared Loadings – величины, характеризующие информативность каждого из факторов после вращения – Total и % of Variance изменились, но Cumulative % остался прежним.
Из таблички делаем вывод, что первые 3 фактора (собственные значения которых больше 1 (критерий Кайзера), мы не берем остальные потому что они по сути хуже что-либо объясняют, чем изначальные переменные) вместе объясняют 46% общей дисперсии. Это маловато будет (70 – это хорошо, 60 – можно работать).
46% - дисперсия, объясненная моделью.
Total Variance Explained |
|||||||||
Component |
Initial Eigenvalues |
Extraction Sums of Squared Loadings |
Rotation Sums of Squared Loadings |
||||||
Total |
% of Variance |
Cumulative % |
Total |
% of Variance |
Cumulative % |
Total |
% of Variance |
Cumulative % |
|
1 |
4,941 |
23,527 |
23,527 |
4,941 |
23,527 |
23,527 |
3,729 |
17,756 |
17,756 |
2 |
3,036 |
14,457 |
37,984 |
3,036 |
14,457 |
37,984 |
2,978 |
14,182 |
31,938 |
3 |
1,697 |
8,080 |
46,064 |
1,697 |
8,080 |
46,064 |
2,966 |
14,126 |
46,064 |
4 |
,966 |
4,599 |
50,662 |
|
|
|
|
|
|
5 |
,904 |
4,305 |
54,967 |
|
|
|
|
|
|
6 |
,847 |
4,035 |
59,002 |
|
|
|
|
|
|
7 |
,796 |
3,790 |
62,792 |
|
|
|
|
|
|
8 |
,720 |
3,431 |
66,223 |
|
|
|
|
|
|
9 |
,692 |
3,294 |
69,516 |
|
|
|
|
|
|
10 |
,644 |
3,068 |
72,584 |
|
|
|
|
|
|
11 |
,616 |
2,934 |
75,518 |
|
|
|
|
|
|
12 |
,608 |
2,895 |
78,413 |
|
|
|
|
|
|
13 |
,587 |
2,793 |
81,206 |
|
|
|
|
|
|
14 |
,583 |
2,778 |
83,984 |
|
|
|
|
|
|
15 |
,560 |
2,668 |
86,652 |
|
|
|
|
|
|
16 |
,530 |
2,522 |
89,175 |
|
|
|
|
|
|
17 |
,501 |
2,388 |
91,563 |
|
|
|
|
|
|
18 |
,489 |
2,328 |
93,890 |
|
|
|
|
|
|
19 |
,472 |
2,246 |
96,137 |
|
|
|
|
|
|
20 |
,414 |
1,970 |
98,107 |
|
|
|
|
|
|
21 |
,398 |
1,893 |
100,000 |
|
|
|
|
|
|
Extraction Method: Principal Component Analysis. |
|||||||||
5. Тут у нас график, на котором отображен результат анализа наших переменных по критерию каменистой осыпи. Это еще один способ увидеть, какие переменные оказывают наибольшее внимание. Но графике это видно весьма условно, поэтому лучше смотреть данные в таблице 4. Тем не менее можно увидеть, что первые три фактора стоят скорее в вертикальной прямой, чем в горизонтальной в отличии от всех остальных, которые образуют приблизительно ровную горизонтальную прямую.
