利用R语言进行因子分析实战（数据+代码+可视化+详细分析）

🍉CSDN小墨&晓末:https://blog.csdn.net/jd1813346972

   个人介绍: 研一｜统计学｜干货分享

         擅长Python、Matlab、R等主流编程软件

         累计十余项国家级比赛奖项，参与研究经费10w、40w级横向

文章目录

• 1 研究背景
• 2 数据预处理
• 3 样本相关系数矩阵 R及特征根与特征向量
• • 3.1 相关系数矩阵
  • 3.2 特征根与特征向量
  • 4 因子数确定
  • • 4.1 1.bartlett 球体检验
    • 4.2 碎石图及方差累计贡献率
    • 5 因子载荷矩阵
    • • 5.1 方差贡献
      • 5.2共同度
      • 5.3 因子载荷
      • 6 因子得分
      • • 6.1 因子得分矩阵
        • 6.2 前两个因子得分信息图
        • 6.3 前两个因子信息重叠图
        • 7 因子旋转及结果比较
        • • 7.1 旋转后方差贡献
          • 7.2 旋转后共同度
          • 7.3 旋转后因子载荷
          • 7.4 旋转后前两个因子得分信息图
          • 7.5 旋转后前两个因子信息重叠图
          • 8 排序
          • • 8.1 旋转前综合得分排序
            • 8.2 旋转前综合得分排序（按排名前后）
            • 8.3 旋转后综合得分排序
            • 8.2 旋转后综合得分排序（按排名前后）

              1 研究背景

                因子分析法在股价预报上的探索:在本例中为了验证因子分析法的有效性，特意不区分行业，以上海证券交易所和深圳证券交易 所进行分层，然后把层内全部股票选入抽样框，已进行随机抽取。从 手机金融界（http://www.jrj.com.cn） 得到了23家企业在2004年3月 31日，所考虑的指标如下： x 1 x_1 x1​ 流动比率（