矩阵的协方差矩阵的含义以及其特征值的具体含义是什么啊？求解答 在统计学与概率论中，协方差矩阵是一个矩阵，其每个元素是各个向量元素之间的协方差。是从标量随机变量到高维度随机向量的自然推广。
因子分析法中的因子的特征值大于1而其方差小于1应该舍弃吗？ 选择因子的依据不止一个，特征值只是其中之一，大于1的话可以考虑保留，最好还要参考一下碎石图，看看拐点在什么位置，从而确定应该保留几个因子.再就是看看特征值的方差贡献率，如果较少的几个因子就解释了大部分变异，往后的因子虽然特征值也大于1但是对贡献率没多大影响甚至减少了贡献率，那就可以考虑放弃
因子分析时为什么要选择特征值大于1 在做效度分析的时候，需要看因知子的特征值，看大于1的因子累计贡献率是否达到要求，进而说明效度可以。因子分析的方法有两类。探索性因子分析法和验证性因子分析。探索性因子分析不事先假定因子与测度项之间的关系，而让数据“自己说话”。主成分分析和共因子分析是其中的典型方法。验证性因子分析假定因子与测度项的关系是部分知道的，即哪个测道度项对应于哪个因子，虽然我们尚且不知道具体的系数。扩展资料主成回分分析和因子分析区别1、线性表示方向不同因子分析是把变量表示成各公因子的线性组合；而主成分分析中则是把主成分表示成各变量的线性组合。2、假设条件不同主成分分析：不需要有假设(assumptions)，因子分析：需要一些假设。因子分析的假设包括：各个共同因答子之间不相关，特殊因子（specificfactor）之间也不相关，共同因子和特殊因子之间也不相关。参考资料来源：—因子分析
