rotatefactors
旋转因子负荷
语法
B =旋转因子(A)
B = rotatefactors(A,'Method','orthomax','Coeff',gamma)
B = rotatefactors(A,'Method','procrustes','Target', Target)
B = rotatefactors(A,'Method','pattern','Target', Target)
B = rotatefactors(A,'Method','promax')
[B,T] =旋转因子(A,…)
描述
B =旋转因子(A)
旋转的d——- - - - - -米载荷矩阵一个
以最大化varimax标准,并返回结果B
.行一个
而且B
对应于变量,列对应于因子,例如(我,j的第th元素一个
的系数是我第Th变量jth因素。矩阵一个
通常包含主成分系数创建主成分分析
或pcacov
,或用factoran
.
B = rotatefactors(A,'Method','orthomax','Coeff',gamma)
旋转一个
最大正交准则与系数γ
,也就是说,B
的正交旋转一个
最大化
sum(D*sum(B.^4,1) - GAMMA*sum(B.^2,1).^2)
默认值为1γ
对应于可变角旋转。其他可能性包括γ
= 0,米/ 2,d(米- 1) / (d+米- 2),分别对应quartimax、equamax、parsimax。你也可以提供“最大方差法”
,“quartimax”
,“equamax”
,或“parsimax”
为“方法”
参数,并省略多项式系数的
参数。
如果“方法”
是“orthomax”
,“最大方差法”
,“quartimax”
,“equamax”
,或“parsimax”
,则附加参数为
“正常化”
-指示负载矩阵是否应该行归一化旋转的标志。如果“上”
(默认值),行一个
旋转前归一化得到单位欧氏范数,旋转后非归一化得到单位欧氏范数。如果“关闭”
时,原始载荷被旋转并返回。“Reltol”
-在迭代算法中使用相对收敛容差来寻找T
.默认为sqrt (eps)
.“麦克斯特”
说明:迭代极限在迭代算法中用来寻找。-T
.默认为250
.
B = rotatefactors(A,'Method','procrustes','Target', Target)
进行斜腹旋转一个
到d——- - - - - -米目标载荷矩阵目标
.
B = rotatefactors(A,'Method','pattern','Target', Target)
执行负载矩阵的斜旋转一个
到d——- - - - - -米目标模式矩阵目标
,返回结果B
.目标
的“受限”元素B
的元素B
对应于的零元素目标
的量值被限制为小,而B
对应于的非零元素目标
可以有任何大小。
如果“方法”
是“普罗克汝斯忒斯之
或“模式”
,则附加参数为“类型”
,旋转的类型。如果“类型”
是“正交”
时,旋转正交,因子保持不相关。如果“类型”
是“斜”
(默认值),旋转是斜的,旋转的因素可能是相关的。
当“方法”
是“模式”
,有限制目标
.如果一个
有米列,然后正交旋转j的第Th列目标
必须包含至少米-j0。为斜向旋转,每列的目标
必须包含至少米- 1个0。
B = rotatefactors(A,'Method','promax')
旋转A以最大化promax准则,等效于斜Procrustes旋转,目标由正角旋转创建。使用四个正角参数来控制promax内部使用的正角旋转。
'promax'的另一个参数是“权力”
,为创建promax目标矩阵的指数。“权力”
必须1
或更高版本。默认为4
.
[B,T] =旋转因子(A,…)
返回旋转矩阵T
用于创建B
,也就是说,B = a * t
.你可以通过使用找到旋转因子的相关矩阵发票(T ' * T)
.对于正交旋转,这是单位矩阵,而对于斜旋转,它有单位对角线元素,但非零对角线元素。
例子
rng('default') % for再现性X = randn(100,10);默认(归一化变量)旋转:%前三个主成分。LPC = pca(X);[L1,T] = rotatefactors(LPC(:,1:3));平均旋转:%前三个主成分。[L2,T] = rotatefactors(LPC(:,1:3),…“方法”、“equamax”);Promax旋转:%前三个因子。LFA = factoran(X,3,'Rotate','none');[L3,T] = rotatefactors(LFA(:,1:3),… 'method','promax',... 'power',2); % Pattern rotation: % first three factors. Tgt = [1 1 1 1 1 0 1 0 1 1; ... 0 0 0 1 1 1 0 0 0 0; ... 1 0 0 1 0 1 1 1 1 0]'; [L4,T] = rotatefactors(LFA(:,1:3),... 'method','pattern',... 'target',Tgt); inv(T'*T) % Correlation matrix of the rotated factors ans = 1.0000 -0.9593 -0.7098 -0.9593 1.0000 0.5938 -0.7098 0.5938 1.0000
参考文献
哈曼,h.h.。现代因素分析.第三版,芝加哥:芝加哥大学出版社,1976年。
[2]劳利、d.n.和a.e.麦克斯韦。因子分析是一种统计方法.第二版。纽约:美国爱思唯尔出版社,1971年。
版本历史
R2006a之前介绍