Excel数据分析案例：用Excel做因子分析

有48位求职者信息，用15个维度来衡量求职者与岗位的适应度，具体数据信息如下：

由于变量之间的许多相关性很高，因此认为法官可能会混淆某些变量，或者某些变量可能是多余的。因此，进行了因素分析以确定较少的潜在因素。

通过使用Excel做因子因素分析后，可以得到如下结果：

下表显示的是所选变量的摘要统计量以及变量之间的相关矩阵。我们可以看到一些相关性非常高（“执行流”和“清晰度”为0.883）。

为整个输入表计算标准化的Cronbach的alpha。α为0.914意味着所选变量之间存在一定的冗余。

再看和残差相关矩阵可以验证因子分析模型是否正确，以及在哪里无法再现相关性。

下表显示了因子分析得出的特征值。我们可以看到，使用4个因子，保留了初始数据变异性的75.5％。

注意：以上显示的特征值是通过主因子提取方法获得的。

接下来，我们可以看到varimax旋转改变了每个因子解释部分方差的方式。

方差最大旋转通过按列最大化平方因子加载的方差，使解释更容易。对于给定的因素，高负载变得更高，低负载变得更低，中间负载变得更低或更高。

要查看的下一个结果是varimax旋转后的因子加载。这些结果用于解释（旋转）因子的含义。

从这张表中我们可以看出，第一个因素与形象，好感度，自信力和目标力高度相关。第二个因素是申请书，经验和匹配度。

从这些结果可以看出，在第一因素上得分高的人是有前途的推销员，而对于管理等其他工作，在第二和第三因素上坐标高的人可能更合适。

下图给出了变量在轴F1和F2上的位置。可以显示混合其他因素的其他图表。

下表给出了varimax旋转后的因子得分，它们是因子轴上观测值的估计坐标。

在所选因子上显示2D映射，下图显示了所有候选人在F1和F2地图的分布。