，選出優(yōu)質(zhì)的客戶
1.概念
因子分析是通過研究變量的相關(guān)系數(shù)的矩陣售躁，把這些變量間錯(cuò)綜復(fù)雜的關(guān)系鬼結(jié)成掃數(shù)幾個(gè)總和因子朝刊，并據(jù)此對(duì)變量進(jìn)行分類的一種統(tǒng)計(jì)分析方法残炮。由于歸結(jié)出的因子個(gè)數(shù)少于原始變量的個(gè)數(shù)负懦，但是他們有包含原始變量的信息筒捺，所以，這一分析過程也稱為降維
2.主要目的
探索結(jié)構(gòu)：在變量之間存在高度相關(guān)性的視乎我們希望用較少的因子去概括其信息
簡(jiǎn)化數(shù)據(jù)：把原始因子轉(zhuǎn)換成一種你在粉刺后纸厉，使用因子得分進(jìn)行其他分析系吭，比如聚類分析，回歸分析颗品。
綜合評(píng)價(jià)：通過每個(gè)音字得分計(jì)算出總和的得分肯尺，對(duì)分析隊(duì)形進(jìn)行總和評(píng)價(jià)
（原始變量會(huì)長(zhǎng)換成新的依著你，因子之間相關(guān)新比較低躯枢，而依著你內(nèi)部的變量相關(guān)程度較高）
3.幾個(gè)概念：
1.因子載荷（factor loading）
因子載荷就是每個(gè)原始變量和每個(gè)因子之間的相關(guān)系數(shù)蟆盹，它反映了變量對(duì)因子的重要性。通過因子載荷值的高低闺金，可以知道變量在對(duì)因子中的重要性大小，這樣能夠發(fā)現(xiàn)銀子的實(shí)際含義峰档，有利于因子的命名
2.變量共同度（communality）
變量共同度就是每個(gè)變量所包含的信息能夠被因子所揭示的程度败匹，其取值范圍介于0和1的之間，取值越大讥巡，說明該變量能被因子解釋的程度越高
3.因子旋轉(zhuǎn)（Rotation）
因子分析的結(jié)果需要每個(gè)因子都要實(shí)際的意義掀亩，有時(shí)原始變量和因子之間的相關(guān)關(guān)系可能是原始變量和因子之間表達(dá)出因子的含義，為了是這些先關(guān)系數(shù)就更加顯著欢顷，可以對(duì)因子載荷矩陣進(jìn)行旋轉(zhuǎn)槽棍，是原始變量和因子之間的關(guān)系更為突出，從而對(duì)因子的解釋就更加容易
4.因子得分（Factor Score）
因子得分可以使用來評(píng)價(jià)每個(gè)個(gè)案在每個(gè)因子上的分析的分值抬驴，而因子得分只能通過原始變量和因子之間關(guān)系計(jì)算得到炼七，并且因子二分是經(jīng)過標(biāo)準(zhǔn)化之后的數(shù)值，各個(gè)一字得分作為自變量布持，與對(duì)應(yīng)的變量進(jìn)行回歸
注意：原始變量的數(shù)值是可以直接觀測(cè)到的豌拙，而因子得分只能通過原始變量和因子之間的關(guān)系計(jì)算得到，并且因子得分是經(jīng)過標(biāo)準(zhǔn)化之后的數(shù)值题暖，各個(gè)因子得分之間不shou量綱的影響
4.因子分析的步驟
1.判斷數(shù)據(jù)是否適合適合因子分析
因子分析的變量需求是連續(xù)變量按傅，分類變量不適合直接進(jìn)行因子分析捉超；
建一個(gè)個(gè)案?jìng)€(gè)數(shù)為變量個(gè)數(shù)的5倍以上，這只是參考依據(jù)唯绍，并不是絕對(duì)的標(biāo)準(zhǔn)
KMO檢驗(yàn)統(tǒng)計(jì)量砸死0.5以下拼岳，就不適合因子分析，在0.7以上時(shí)况芒，數(shù)據(jù)較適合因子分析惜纸，在0.8以上時(shí)，說明數(shù)據(jù)及其適合因子分析
2.構(gòu)造因子變量
3.利用因子旋轉(zhuǎn)方法是的因子更具有實(shí)際的意義
4.計(jì)算每個(gè)個(gè)案因子得分????
