下面显示经正交旋转后的因子负荷矩阵( Rotated factor Matrix)和因子转换矩阵 ( Factor Transformation matrix)。旋转的目的是使复杂的矩阵变得简洁,即第一因子替 代了X 4、X7的作用,第二因子替代了X3、X5、X6的作用。 VARIMAX rotation 1 for extraction 1 in analysis 1- Kaiser Normalization VARIMAX converged in 3 iterations. Rotated factor mat Factor 1 Factor 2 87795 87848 03332 00414 15872 97878 21452 96415 73151 54656 Factor Transformation Matrix Factor 1 Factor 1 92135 38873 Factor 2 38873 92135 最后将第一因子的因子分用变量名fac_1、第二因子的因子分用变量名fac_2存入原始 数据库中。这些值既可用于模型诊断,又可用于进一步分析。 图117因子分的获得并存盘下面显示经正交旋转后的因子负荷矩阵（Rotated Factor Matrix）和因子转换矩阵 （Factor Transformation Matrix）。旋转的目的是使复杂的矩阵变得简洁，即第一因子替 代了 X1、X2、X4、X7 的作用，第二因子替代了 X3、X5、X6 的作用。 VARIMAX rotation 1 for extraction 1 in analysis 1 - Kaiser Normalization. VARIMAX converged in 3 iterations. Rotated Factor Matrix: Factor 1 Factor 2 X1 .87795 .16064 X2 .87848 .03332 X3 .42098 -.82586 X4 .99001 .00414 X5 .15872 .97878 X6 .21452 .96415 X7 -.73151 .54656 Factor Transformation Matrix: Factor 1 Factor 2 Factor 1 .92135 -.38873 Factor 2 .38873 .92135 最后将第一因子的因子分用变量名 fac_1、第二因子的因子分用变量名 fac_2 存入原始 数据库中。这些值既可用于模型诊断，又可用于进一步分析。 图 11.7 因子分的获得并存盘