(资料图片)

#此代码是我基于因子分析的专用工具包(factor_analyzer)搭建的

#此代码能解决需要输出多个(n_factors=1,2,3,...m)潜变量的因子分析问题

#如需将此代码放在自己个人社交平台，请给个引用"B站 耿大哥讲算法" 

import numpy as npfrom sklearn import preprocessingfrom factor_analyzer import calculate_kmofrom factor_analyzer import FactorAnalyzerfrom factor_analyzer import calculate_bartlett_sphericity#读取数据&校准化#               指标1 指标2 指标3 指标4指标5 指标6 指标7 指标8data=([[,,,,,,,], #样本1               [,,,,,,,], #样本2               [,,,,,,,], #样本3               [,,,,,,,], #样本4               [,,,,,,,], #样本5               [,,,,,,,], #样本6               [,,,,,,,], #样本7               [,,,,,,,], #样本8               [,,,,,,,], #样本9               [,,,,,,,], #样本10               [,,,,,,,], #样本11               [,,,,,,,], #样本13               [,,,,,,,], #样本13               [,,,,,,,]])#样本14# 对样本Z-score标准化X=(data,axis=0)#KMO和barlett检验bartlett,KMO=calculate_bartlett_sphericity(data),calculate_kmo(data)[1]print('-'*54);print('KMO和bartlett检验')print('KMO='+str('%.3f'%calculate_kmo(data)[1]),end='\t')if   KMO<=1  and KMO>=:print('非常好')elif KMO< and KMO>=:print('好')elif KMO< and KMO>=:print('一般')elif KMO< and KMO>=:print('差')elif KMO< and KMO>=:print('很差')else:print('不能接受')print('bartlett 统计量='+str('%.3f'%bartlett[0]))print('bartlett 自由度='+str(int([1]*([1]-1)/2)))print('bartlett P值='+str('%.3f'%bartlett[1]))#(常用)method='minres'迭代主因子,'principal'主成分#(不常用)method='ml'极大似然,'mle'极大似然估计,'uls'无条件最小二乘,#(常用)rotation=varimax标准化最大方差法#(不常用)rotation=promax,oblimin,oblimax,quartimin,quartimax,equamaxFA=FactorAnalyzer(n_factors=2,method='minres',rotation='varimax')(X)#计算载荷矩阵A=_#计算样本得分矩阵F=(X)#计算得分系数矩阵S=(X).I*F#计算共同度h=_communalities()#计算方差贡献g=_factor_variance()#计算旋转矩阵Q=_matrix_# 输出使载荷间的总方差函数达到最大的旋转矩阵Qprint('-'*50)print('旋转矩阵Q')for i in range([0]):    for j in range([1]):print('%.3f'%Q[i,j],end='\t')    print()# 输出载荷矩阵的旋转解print('-'*50);print('载荷矩阵的旋转解')print('指标|组件',end='\t')for i in range([1]):print('潜变量f'+str(i+1),end='\t')print('共同度')for i in range([0]):    print('指标'+str(i+1),end='\t')    for j in range([1]):print('%.3f'%A[i,j],end='\t')    print('%.3f'%h[i],end='\t')    print()print('总贡献',end='\t')for i in g[0]:print('%.3f'%i,end='\t')print('%.3f'%sum(g[0]))print('贡献率',end='\t')for i in g[1]:print('%.1f'%(i*100)+'%',end='\t')print('-----')print('贡献累积',end='\t')for i in g[2]:print('%.1f'%(i*100)+'%',end='\t')print('-----')print('-'*50)#输出旋转后的成分得分系数矩阵print('成分得分系数矩阵(旋转后)')print('指标|组件',end='\t')for i in range([1]):print('潜变量f'+str(i+1),end='\t')print()for i in range([0]):    print('指标'+str(i+1),end='\t')    for j in range([1]):print('%.3f'%S[i,j],end='\t')    print()#计算各样本的综合得分并排序print('-'*50)print('各样本的得分及排序');print('样本|fi',end='\t')for i in range([1]):print('潜变量f'+str(i+1),end='\t')print('综合变量f',end='\t')for i in range([1]):print('按f'+str(i+1)+'排序',end='\t')print('按f排序')def xvhao(x):    list2=[i for i in x]    (reverse=True)    return [(i)+1 for i in x]list3=[i/sum(g[1]) for i in g[1]]list4=[sum(list3[j]*F[i,j] for j in range([1])) for i in range([0])]for i in range([0]):    print('样本'+str(i+1),end='\t')    for j in range([1]):print('%.3f'%F[i,j],end='\t')    print('%.3f'%list4[i],'  ',end='\t')    for j in range([1]):print(xvhao(F[:,j])[i],'  ',end='\t')    print(xvhao(list4)[i],'  ',end='\t')    print()print('-'*50)

关键词：