Component Matrix

Как показывает таблица 5.1, результаты факторного анализа выводятся в виде 3-х таблиц. Первая из них – таблица общностей (communalities) демонстрирует, какую часть дисперсии каждой из включенных в анализ переменных объясняет предлагаемая факторная модель. Таблица показывает, что, скажем, переменная, фиксирующая наличие у респондента телевизора, объясняется моделью приблизительно на 75%. В то же время переменная, фиксирующая наличие другой квартиры объясняется лишь на 18,6%. По всей видимости, эту переменную следовало бы исключить из анализа, поскольку она плохо объясняется построенной моделью.

Следующая таблица содержит информацию о дисперсии, объясненной моделью. Из таблицы видно, что первая главная компонента объясняет 18,5% общей дисперсии, вторая – 8,5% и т.д. В представленной модели было отобрано 5 главных компонент (факторов), которые в совокупности объясняют 49,2% общей дисперсии.

Последняя из таблиц – component matrix – называется матрицей факторных нагрузок и служит для интерпретации полученных факторов. В рассматриваемом примере 1-й фактор имеет высокие корреляции с наличием у респондента следующих предметов: цветной телевизор, стиральная машина, видеомагнитофон, фен, легковой автомобиль. То есть, можно сказать, что это фактор – характеристика современной, городской, достаточно обеспеченной семьи. А вот второй фактор будет выражен скорее у сельской семьи, поскольку имеет высокие факторные нагрузки с переменными: наличие грузового автомобиля, мотоцикла, трактора.

Поскольку более удобную матрицу факторных нагрузок дают методы вращения факторов, рассмотрим ту же факторную матрицу, но уже после вращения (таблица 5.2). Само вращение факторной матрицы можно выполнить используя клавишу Rotation..,расположенную в главном меню команды факторного анализа (рисунок 5.4).

Таблица 5.2

Матрица факторных нагрузок после вращения