『壹』 探索性因子分析的目的意义有哪些
看你对变量理论的分组符不符合实际的情况，是确保模型合理性的前提
『贰』 因子分析到底有什么用处
问题：大家觉得因子分析到底有什幺用处呢？把原来很多个影响因素归纳成几个影响因子，如果不继续做回归或者聚类的话，光做因子分析有价值吗？答复：因子分析是将多个实测变量转换为少数几个综合指标（或称潜变量），它反映一种降维的思想。通过降维将相关性高的变量聚在一起，从而减少需要分析的变量的数量，而减少问题分析的复杂性。 在你对问题系统结构不了解时候，因子分析可以根据数据内在逻辑性，把它归并成几个公因子，每个公因子分别代表空间的一个维度，如果经过正交或斜 交旋转的话，各个维度之间可以认为是不相关的，这些公因子能够相对完整地刻画对象的体系维度，最起码累计方差贡献率大于85%的话，就基本能够保证重要信 息不丢失了。一句话，你如果对研究对象到底应该分为几个维度不清楚的话，用因子分析可以通过数据内在逻辑告诉你。 但如果你对研究对象体系比较清楚的话，那你直接确定维度，通过AHP计算出权重，就能够把系统表述清楚了。但这里面有巨大问题，单纯通过数据内 在逻辑来判断维度，常常是错误的，而主观判断其实更加科学，并非象统计学宣称的，数据说话才有发言权。真正有发言权的，是你对问题的经验认识程度。人们为 了避免被人嘲笑主观判断的失误，而越来越选择了统计分析，实际上，他们并不清楚，单纯用统计分析来做判断，才是最愚蠢的。只有主客观结合起来，才是相对科 学的，两者矛盾的时候，应该深入研究矛盾的根源，搞不清楚的话，我认为指标体系评价法要远比统计分析准确的多。而变量之所以能分布在不同的因子内，则是由 于其方差波动性大小和变量之间的相关性决定的，波动性越大，越排在前面的公因子中，各个公因子之间的变量是不相关的，而每个公因子之间的变量是相关的。因 子分析认为那些数据波动大的变量对对象影响作用更大，它们排在公因子的前列，这样单纯从数据逻辑来判断的准则你认为对吗？我想，如果管理和社会科学都这幺 认为的话，那错误将大大增加了。上面想法是我这两年做课题的体会，没有在任何一本书上看过相关说法，也许说的不对，这是我个人看法。如果让我选择的话，我 宁愿用指标体系评价法，体系几个维度事先就清楚，最多先用因子分析算算，看看数据波动性如何，到底能确定几个维度，只起辅助作用。研究者就是专家，指标体 系的维度由主观来做判断，这主要来自经验判断，而不是由数据判断，我认为其实更科学。当然，如果你对问题一无所知，那指标体系评价法用AHP来做的话，错 误很可能更多。我以前就强烈批判过AHP。说到底，没有一种评价方法是好的，说明问题就好。问题：那能对LISREL进行类似于因子分析的探索性因素分析了解吗？能给点评价么？3x答复：下面是探索性分析的原理： 传统上所谈的因素分析）factor analysis)指的是探索性因素分析）exploratory factor analysis)，它的目的是在承认有测量误差的情形下，尝试用少数的因素）factors)以解释许多变项间的相关关系。 随着统计理论及电脑计算上的进展，目前因素分析的方法可分成探索性因素分析）exploratory factor analysis，EFA)及验证性因素分析）confirmatory factor analysis，CFA)，这两类分析之间的差别在于研究者对研究变项间因素结构的了解程度不同。如果研究者对资料内所含的因素性质，结构及个数不是很 清楚，则可使用探索性因素分析试图找出能解释资料变项间相关关系的少数几个重要因素。若研究者从过去文献中的理论及自己的研究经验，而对资料间因素之数 目，结构有一定程度的了解及假设，则可使用验证性因素分析来验证该假设是否能解释资料变项间的共变关系。探索性因素分析需考虑的步骤包括:估计共通值） communalities)，决定因素的数目，估计因素负荷量，对因素做转轴）rotation)以得最好的结果，最后则为对结果作解释。验证性因素分 析则需考虑对因素结构关系之确立）model specification)，是否能对参数找出单一组解）identification)，参数的估计法）estimation)，检验资料与假设模式 之间的适合度）evaluation)。比较二者，EFA算是探索可能的因素结构之一种方法，而CFA则是验证假设因素结构存在的方法，因此CFA较 EFA对模式使用了较多的假设，也多了模式检验的过程。除了以上这两类的分析外，读者可能还听过结构方程模式）structural equation modeling，SEM)，其所常使用的分析软体包括:LISREL，EQS，AMOS，Mplus等。结构方程模式是用在对因素间之关系更明确时，其 模式中可含有许多潜在变项及观察变项，研究者对各变项间之关系有一定程度之了解及假设，并可经由检验此假设模式并经过模式之修正及再检验后，确立最后可解 释资料的模式，以了解资料变项间之关系。
『叁』 对于IPO公司利润影响要素分析论文
对于IPO公司利润影响要素分析论文
利润是一个企业生存与发展的基础，同时它也是投资者进行投资决策的最重要影响因素之一。然而，由于会计分期假设和权责发生制的使用决定了某一期间的利润并不一定意味具有可持续性、利润带来的资源并不一定具有确定的可支配性，利润的高低也并非一定反映企业盈利能力的强弱[1]。因此，如果管理者或者投资者仅仅将企业利润作为决策的标准，势必会加大他们承担的风险，所以不管是管理者还是投资者都越来越关注企业的利润质量。所谓利润质量是指利润的形成过程以及利润结果的情况，体现公司利润的变现能力，持续性和稳定性[2，3]。高质量的利润能为企业的发展提供良好的盈利基础，同时也为投资者进行投资时降低风险、增加收益提供保障；低质量的企业利润则可能阻碍企业的持续发展，增加投资者的投资风险。因此，研究公司利润的质量不仅对公司自身发展具有重要的指导意义，还对投资者投资具有重要的参考意义。
1文献综述
至今为止，国内外学者从多个角度对企业的利润质量进行了分析研究。DhaouiAbderrazak，OuidadYousfi（2010）研究了目前的研发战略的决定因素和分析对财务绩效与盈余管理的权力下放的R&D的影响，研究结果表明跨国公司的研发权力下放，以改善公司的盈利能力，而管理人员的优势，可以得到一些私人和非转让的盈余管理而增加的好处[4]。因为产生这样的结果就会鼓励人们分散自己的研发，以增加盈余管理。MihirA。Desai（2005）认为企业为了赢得资本市场，夸大其盈利水平，往往采取避税这种方式，表面上提高了企业的利润质量，却导致企业的财务报告越来越不值得信赖[5]。PatriciaM。Dechow等（1995）对美国企业的实证分析发现企业的经营现金流量占的比重较高企业的利润质量较高，组成企业利润的应计利润和经营现金流量相比，应计利润的持续性弱于经营现金流量[6]。陈小林，林昕（2011）认为管理者会出于不同目的对盈余进行管理，近而将盈余管理按属性分为决策有用性盈余管理和机会主义盈余管理，审计师将根据不同的盈余管理属性出具不同的审计意见[1]。郭世辉，崔文姣（2009）则以应收账款规模、应收账款周转率和主营业务收入增长率与应收账款增长率的差额为变量构建了应收账款视角的利润质量评价模型，并得出应收账款规模与利润质量呈负相关，而应收账款周转率、主营业务收入增长率与应收账款增长率的差额对利润质量有正的影响[7]。田甜（2008）在分析了影响企业利润质量的因素后，提出应从加强企业应收账款管理，提高企业资产获利性等途径提升企业利润质量[8]。王秀丽（2005）从利润结构角度研究了利润质量问题认为高质量的利润结构应体现出与企业发展战略相符合性、与资产结构的匹配性、与对应的现金流量结构的趋同性、主营业务的核心性以及利润自身结构的协调性等特征[2]。
此外，周晓苏（2004）则通过关联规则分析了微利公司的利润质量，发现微利公司通过非经营业务增加流动资产、或减少流动负债等方式来提高企业的流动比率，可以达到提高公司利润质量的目的[9]。综上来看，目前国外的学者对利润质量的研究则主要集中在盈余管理，应计利润和经营现金流量对企业利润质量的影响，国内学术界则是从审计意见，企业利润结构、应收账款、资产流动性角度来研究上市公司利润质量的影响因素，而鲜有从受利润质量影响的股票价格方面，对利润质量进行分析。同时，IPO公司作为最受股民追捧的企业而学者们却忽略了对其利润质量影响因素的研究。本文选择IPO公司利润质量作为研究对象，运用因子分析法分析影响IPO公司利润质量的因素，并运用Logistic模型来探讨其影响的方向和显着性。
2研究假设和理论依据
股票价格能够反映公司的历史信息，是投资者分析决策的重要依据。然而已有研究成果表明股票价格不能直接反映公司利润质量。一方面，股票价格受股票市场有效性影响，不同有效性的股票市场的股票价格对反映公司利润往往具有不同的信度，无效的股票市场的股票价格不仅不能真实的反映公司历史信息，也无法真实反映公司利润的质量，因此，本文假设中国的股票市场是具有弱势有效性的，IPO公司提供的财务信息真实可靠。另一方面，股票价格瞬息万变，股价不能反映企业利润的稳定性，也无法为投资者提供直接的利润质量信息。因此，本文选择股票价格变异系数而非股票价格来衡量企业利润质量，是因为股票价格变异系数越小风险越小，投资者投资是对企业利润的长期增长和稳定性分析结果的理性人选择。此外，根据公司法、证券法的规定，从未上市的公司若要成为上市公司，必须由审计师对其前一年的财务报告，出具标准无保留意见，这也意味着从新上市公司前一年财务报告中获取的财务指标值得信赖。
3影响IPO公司利润质量变量选择和样本数据选取
3.1影响IPO公司利润质量变量选择
基于以上假设和现有的研究成果，从体现公司利润的形成过程以及利润的结果两个方面对影响IPO公司利润质量的变量进行选择。（1）体现公司利润的形成过程：应收账款周转率（X1）、存货周转率（X2）、流动比率（X3）、速动比率（X4）、每股现金净流量（X7）、每股经营现金净流量（X8）、扣除非经常性损益后的每股收益（X9）。（2）体现公司利润的结果：扣除非经常性损益后的净利润（X5）、营业利润率（X6）、净资产收益率（X10）、税后利润增长率（X11）11个指标作为影响IPO公司利润质量的影响因素进行实证分析。此外，选择各个上市公司收盘价格的变异系数作为衡量利润质量优劣的标准。
3.2样本数据选取
本文原始数据主要来源于大智慧软件和宏源证券软件，新股信息则来自于东方财富网（http：//data。eastmoney。com）。基于研究需要，本文对预选样本按以下标准进行剔除：
（1）本文只选择2010年第一季度上市的IPO公司作为分析样本。因为公司将在第一个季度的15天以内报出该企业第一季度的财务报表。但若公司3月31日上市，则该公司第一季度股票收盘价格变异系数为0，对其进行分析意义不明显，这样的IPO公司将被剔除。
（2）本文选者的财务指标都在一定的范围之内，对异常指标将予以剔除。例如，人人乐其资产周转率达到了8800多，远远的超过其他公司的资产周转率。
（3）金融企业与其他企业相比，具有特殊的风险，资本的财务杠杆率高等特点，因此金融企业也不在本文的研究范围之内。通过以上筛选最终有85家IPO公司符合本文的研究要求，所有数据均来自于2009年各个公司的年报数据。
4实证分析
4.1因子分析
因子分析法是通过研究众多研究变量内部之间的相互依存关系，旨在运用假设的少数几个变量来表示原来变量的主要信息的研究方法。根据因子分析法的操作原理和基本步骤，并对原始变量进行标准化的`基础上，建立的因子分析数学模型如下：x1=a11F1+a12F2+∧+a1mFm+ε1x2=a21F1+a22F2+∧+a2mFm+ε2∧xn=an1F1+an1F1+an2F2+∧+anmFm+ε{m（1）其中，xi为原始变量，aij为因子负荷，Fi公共因子，εi为随机扰动项。对样本数据进行KMO和球形Bartlett检验，检验结果见表1。从表1可知，Bartletts检验结果拒绝了各变量独立的假设，KMO统计量为0。623，大于临界值0。5，所以比较适合进行因子分析。进行因子分析后，得出主成分信息（见表2）。从表2可知由相关矩阵求得特征值，方差贡献率和相关贡献率中，前5个主成分的特征值均大于1，他们的累积贡献率达到75。95%，说明这5个因子能够比较全面的解释利润质量的总体水平。提取5个因子后，计算出各变量的共同度（见表3），结果显示每一个变量的共性方差均大于0。5，且大部份接近或者超过0。7，说明这5个因子能够较好的客观地反映了原变量的大部分信息。由这5个主因子与上述11个变量得到的因子载荷矩阵，因为初始的因子载荷矩阵系数不是太明显，为了使因子载荷矩阵系数向0—1分化，本文对其采取方差最大旋转，旋转后的结果见表4。根据表4，我们得到的主因子的表达式为：F1=0。944x2+0。944x3—0。613x4+0。821x7F2=0。798x1+0。736x6F3=0。798x9+0。770x10F4=0。792x8+0。794x11F5=0。889x5其中，F1包括流动比率，速动比率，资产负债率，每股现金流量，F2包括应收账款周转率，营业利润率，F1和F2体现企业利润的变现能力等。F3包括扣除非经常性损益后的每股收益，净资产收益率，F4包括每股经营现金净流量，税后利润增长率，F5包括扣除非经常性损益后的净利润。F3，F4，F5表现企业利润的持续性和稳定性。
4.2Logistic回归分析
在对以上变量进行了因子分析后，我们还需要对其影响方向和显着性进行进一步的分析。因此本文在因子分析后，运用Logistic模型进行分析。根据Logistic分析要求，因变量必须是二分类变量。因此，我们首先将IPO公司的股票收盘价的变异系数从小到大排序，并规定排在前面的43家公司为利润质量较高的公司，Y值为1，剩下的42家公司Y值为0。在前面的分析中，提取了5个主因子，将5个主因子作为新变量进行logistic回归分析。Logistic的回归模型为：pi=ea+∑k=nk=1βkki1+ea+∑k=nk=1βxki（2）对其进行变形得到：logit（p）=ln（pi1—pi）=a+∑k=nk=1βkxki（3）即：Logit（p）=α+β1F1+β2F2+β3F+β4F4+β5F5其中P表示Y=1（即利润质量高）的概率，F1表示提取的5个主因子。运用spss16。0进行logistic回归，得出综合回归结果，综合回归结果中卡方值为15。922，其达到了0。05的显着性水平，对其进行的Hosmer—Lemeshow检验，Hosmer—Lemeshow统计值的概率P为0。825大于显着性水平0。05，说明模型的拟合优度较好。Logistic回归具体结果见表5。得到logistic回归模型为Logit（p）=0。450—0。725F1+0。264F2+0。242F3+0。606F4+0。313F5
5结果分析与结论
5.1结果分析
从表5结果来看：第一主因子F1的Wald值为4。938，大于其它主因子的Wald值，且显着性水平达到了0。05。第一主因子F1包括流动比率，速动比率，资产负债率，每股现金流量。由回归系数符号，我们得知作为样本的IPO公司的上述几个指标对利润质量有影响，且为负向影响，则意味着这些指标值越大，企业的利润值越不高，股价的波动性越大。流动比率，速动比率，资产负债率，每股现金比率的最佳值都存在一定的范围，若超过这个范围，企业的发展就会受到影响。如流动比率（流动资产与流动负债的比值）的最佳值为2：1，但在研究的85个样本中只有4个样本的流动比率接近于这个最佳值。这也在另一方面说明了中国的投资值对一个企业的评价，很大程度上来自于该企业的偿债能力。第四个主因子F4的wald值为4。89，其显着性水平达到了0。05，这个主因子包括了每股经营现金净流量，税后利润增长率。从上表中，我们得知？4为0。606，回归系数符号为正，则表明每股经营现金净流量，税后利润质量增长率对利润质量是正向影响。即每股经营现金净流量越大，税后利润质量增长率越高，表明企业的利润质量越好，投资者向这些公司投资的风险越小。主因子F2，F3，F5主因子的Wald值都没有通过检验，说明这些因子包括存货周转率，扣除非经常性损益后的净利润，营业利润率，每股收益，每股经营现金净流量，净资产收益率对利润质量的影响不显着，但并不能说明这些因素可以忽略。
5.2结论
本文用股票价格的变异系数代表利润质量进行影响因素分析，并不能全部解释利润质量的影响因素，因为影响股价的因素不仅包括利润质量方面的信息，还要受很多其他方面的影响。如方曙红，李正逸（2007）以资本资产定价模型为基础，分析利率变动对我国股票股价的影响，最后得出在一般情况下，利率的上升，将会导致股票价格的下降[10]。所以回归结果虽然不够理想，但是总的来说仍然可以接受。本文通过因子分析法，logistic回归分析，发现每股经营现金净流量，税后利润质量增长率对IPO公司的利润质量有显着的正向影响，其中流动比率，速动比率，资产负债率，每股现金比率对IPO公司的利润质量有显着的负向影响。因此，管理层在对公司进行管理的时候，应该关注公司的流动资产，速动资产，以及负债等，不断提高公司的利润质量。
;『肆』 股票分析有什么意义
股票分析是比较专业的。
众所周知，两市A股已经有1000余家上市公司，普通的股民朋友难以对各家公司进行比较和择优选股。这时候，股票分析就成了一种帮助股民参考的方法。
毕竟，股票分析师们的专业程度远高于普通股民，他们可以从很多普通股民难以想到的角度来对股票进行分析，分析也更为全面。而普通股民要想从上千只股票中选择，难度无疑很大。
股票分析的出现，无疑帮助股民朋友省去了不少时间和精力！
『伍』 因子分析中，用因子负荷能对所分析的指标进行重要程度的排序吗
如果不能，用什么数据能对指标内容的重要程度进行排序？（特征值、共同性） 满意答案奇迹…9级2009-05-26可以。你可以看下各因子的因子载荷。因子载荷越高，其代表的信息越多。可以依此排序 追问： 那用共同性的数据为依据，可以对各因子的重要性就行排序吗？ 回答： 我不是很明白你所说的共同性的数据是什么。不过用统计分析软件做因子分析。你可以直接得到若因子载荷阵，由因子得分系数可以知道因子分别代表各指标的得分系数。可以写出因子表达式计算因子得分 其他回答(4) 热心问友 2009-05-25问问首页 > 全部分类 > 商业经济 > 股票 待解决问题收藏 标签: 因子, 分析 指标, 排序 （特征值、共同性陶朱公9级2009-05-25问错地方了流星雨10级2009-05-26子分析法的步骤，对原始数据进行标准化处理,求出各个指标的相关系数 用这3个公因子来反映各省区的工业化程度所损失的信息不多，所以这3个公因子 . 建立因子分析模型的目的不仅是找出主因子，更重要的是知道每个主因子的意义。
『陆』 股票的意义与作用是什么
股票的作用和意义可以分为下面四点
1．股票是筹集资金的有效手段。股票的最原始作用就是筹集资金。通过发行股票， 股份公司可广泛地吸引社会暂时闲置的资金，在短时间内把社会上分散的资金集中成为 巨大的生产资本，组成一个“社会企业”——股份有限公司。而通过二级市场的流通， 又能将短期资金通过股票转让的形式衔接为长期资金。正是基于这个特点，现今世界上 许多国家特别是西方一些发达国家，都是通过发行股票的形式来组织股份有限公司，以 经营工业、农业、运输业、金融保险业中的一些大企业。我国一些股份公司发行股票的 主要目的也是筹集企业进一步发展所需的资金。
2．通过发行股票来分散投资风险。发行股票的第二个作用就是分散投资风险。无论 是那一类企业，总会有经营风险存在，特别是一些高新技术产业，由于产品的市场前景 不明朗，技术工艺尚待成熟和稳定，在经营过程中，其风险就更大。对这一些前景难以 预测的企业，当发起人难以或不愿承担所面临的风险时，他们总会想方设法地将风险转 嫁或分摊与他人，而通过发行股票来组成股份公司就是分散投资风险的一个好方法。即 使投资失败，各个股东所承受的损失也就非常有限。
3．通过发行股票来实现创业资本的增值。在股票发行市场上，股票的发行价总是和 企业的经营业绩相联系的。当一家业绩优良的企业发行股票时，其发行价都要高出其每 股净资产的许多，若遇到二级市场的火爆行情，其溢价往往能达到每股净资产的2～3倍 或者更多，而股票的溢价发行又使股份公司发起人的创业资本得到增值。如我国上市公 司中国家股都是由等量的净资产折价入股的，其一元面值的股票对应的就是其原来一元 的净资产。而通过高溢价发行股票后，股份公司每股净资产含量就能提高30％甚至更多。
4．通过股票的发行上市起到广告宣传作用。由于有众多的社会公众参与股票投资， 股市就成为舆论宣传的一个热点，各种媒介每天都在反复传播股市信息，无形之中就提 高了上市公司的知名度，起到了宣传广告作用。 而对于股票的购买者来说，股票的基本作用有如下三点：
①由于股票具有收益性，股票投资就成为大众投资的一种工具。人们总是希望钱能 生钱，而除了银行存款、购买债券及亲自创办经济实体以外，通过购买股票也可取得收 益，实现资本的增值。
②通过购买股票来实现生产要素的组合。通过购买股票，投资者可非常方便地实现 参股投资或控股及购买、兼并股份公司的目的，从而实现生产要素的组合，以提高企业 的经营效益。如美国和日本的大型企业，通过购买我国江西的江铃汽车股票、北京的北 旅汽车股票来参与这两家上市公司的经营管理，将西方先进的技术和管理方式引进这两 家企业，从而实现生产要素的组合，达到提高经营效益的目的。
③通过购买股票进行赌博或投机。由于受众多因素的影响，股票价格具有较强的波 动性，因而人们可通过股票来进行投机活动，从买进卖出中赚取股票的价差，这也是股 票市场吸引众多投资者的原因之一。而又由于股票价格特别是其短期趋势较难预测，股 民投资股市时并不作基本的分析研究，就是进行详细的分析也不一定能把握胜机，所以 许多股民往往都抱着一睹而决胜负的心理进行股票投资，故股票有时也成为某些股民变 相赌博的一种工具。
『柒』 因子分析法的统计意义
模型中F1，F2，…，Fm叫做主因子或公共因子，它们是在各个原观测变量的表达式中都共同出现的因子，是相互独立的不可观测的理论变量。公共因子的含义，必须结合具体问题的实际意义而定。e1，e2，…，ep叫做特殊因子，是向量x的分量xi(i=1，2，…，p）所特有的因子，各特殊因子之间以及特殊因子与所有公共因子之间都是相互独立的。模型中载荷矩阵A中的元素（aij）是为因子载荷。因子载荷aij是xi与Fj的协方差，也是xi与Fj的相关系数，它表示xi依赖Fj的程度。可将aij看作第i个变量在第j公共因子上的权，aij的绝对值越大（|aij|￡1），表明xi与Fj的相依程度越大，或称公共因子Fj对于xi的载荷量越大。为了得到因子分析结果的经济解释，因子载荷矩阵A中有两个统计量十分重要，即变量共同度和公共因子的方差贡献。
因子载荷矩阵A中第i行元素之平方和记为hi2，称为变量xi的共同度。它是全部公共因子对xi的方差所做出的贡献，反映了全部公共因子对变量xi的影响。hi2大表明x的第i个分量xi对于F的每一分量F1，F2，…，Fm的共同依赖程度大。
将因子载荷矩阵A的第j列（ j =1，2，…，m）的各元素的平方和记为gj2，称为公共因子Fj对x的方差贡献。gj2就表示第j个公共因子Fj对于x的每一分量xi(i= 1，2，…，p）所提供方差的总和，它是衡量公共因子相对重要性的指标。gj2越大，表明公共因子Fj对x的贡献越大，或者说对x的影响和作用就越大。如果将因子载荷矩阵A的所有gj2 ( j =1，2，…，m）都计算出来，使其按照大小排序，就可以依此提炼出最有影响力的公共因子。
3. 因子旋转
建立因子分析模型的目的不仅是找出主因子，更重要的是知道每个主因子的意义，以便对实际问题进行分析。如果求出主因子解后，各个主因子的典型代表变量不很突出，还需要进行因子旋转，通过适当的旋转得到比较满意的主因子。
旋转的方法有很多，正交旋转（orthogonal rotation）和斜交旋转（oblique rotation）是因子旋转的两类方法。最常用的方法是最大方差正交旋转法（Varimax）。进行因子旋转，就是要使因子载荷矩阵中因子载荷的平方值向0和1两个方向分化，使大的载荷更大，小的载荷更小。因子旋转过程中，如果因子对应轴相互正交，则称为正交旋转；如果因子对应轴相互间不是正交的，则称为斜交旋转。常用的斜交旋转方法有Promax法等。
4.因子得分
因子分析模型建立后，还有一个重要的作用是应用因子分析模型去评价每个样品在整个模型中的地位，即进行综合评价。例如地区经济发展的因子分析模型建立后，我们希望知道每个地区经济发展的情况，把区域经济划分归类，哪些地区发展较快，哪些中等发达，哪些较慢等。这时需要将公共因子用变量的线性组合来表示，也即由地区经济的各项指标值来估计它的因子得分。
设公共因子F由变量x表示的线性组合为：
Fj = uj1 xj1+ uj2 xj2+…+ujpxjp j=1，2，…，m
该式称为因子得分函数，由它来计算每个样品的公共因子得分。若取m=2，则将每个样品的p个变量代入上式即可算出每个样品的因子得分F1和F2，并将其在平面上做因子得分散点图，进而对样品进行分类或对原始数据进行更深入的研究。
但因子得分函数中方程的个数m小于变量的个数p，所以并不能精确计算出因子得分，只能对因子得分进行估计。估计因子得分的方法较多，常用的有回归估计法，Bartlett估计法，Thomson估计法。
⑴回归估计法
F = X b = X (X ￠X)-1A￠ = XR-1A￠ （这里R为相关阵，且R = X ￠X ）。
⑵Bartlett估计法
Bartlett估计因子得分可由最小二乘法或极大似然法导出。
F = [(W-1/2A）￠ W-1/2A]-1(W-1/2A）￠ W-1/2X = (A￠W-1A)-1A￠W-1X
⑶Thomson估计法
在回归估计法中，实际上是忽略特殊因子的作用，取R = X ￠X，若考虑特殊因子的作用，此时R = X ￠X+W，于是有：
F = XR-1A￠ = X (X ￠X+W)-1A￠
这就是Thomson估计的因子得分，使用矩阵求逆算法（参考线性代数文献）可以将其转换为：
F = XR-1A￠ = X (I+A￠W-1A)-1W-1A￠
『捌』 解释因子分析起到什么作用
因子分析的用处是：因子分析是将多个实测变量转换为少数几个综合指标（或称潜变量），它反映一种降维的思想。通过降维将相关性高的变量聚在一起，从而减少需要分析的变量的数量，而减少问题分析的复杂性。用来确定维度数量，对标体系的维度由主观来做判断。
因子分析的内容：
因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。
他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。
将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。