Fakt.Beispiel <- read.csv2("Faktorenanalyse.csv")
Fakt.Daten <- subset(Fakt.Beispiel, select = M1:M5)
cor(Fakt.Daten)
eigen(cor(Fakt.Daten))
Fakt.Ergebnis <- factanal(Fakt.Daten, factors=2,scores="Bartlett",rotation="varimax")
Fakt.Ergebnis
MW.1 <- mean(Fakt.Daten$M1);SD.1 <- sd(Fakt.Daten$M1)
MW.2 <- mean(Fakt.Daten$M2);SD.2 <- sd(Fakt.Daten$M2)
MW.3 <- mean(Fakt.Daten$M3);SD.3 <- sd(Fakt.Daten$M3)
MW.4 <- mean(Fakt.Daten$M4);SD.4 <- sd(Fakt.Daten$M4)
MW.5 <- mean(Fakt.Daten$M5);SD.5 <- sd(Fakt.Daten$M5)
ZnormM1 <- (Fakt.Daten$M1-MW.1)/SD.1
ZnormM2 <- (Fakt.Daten$M2-MW.2)/SD.2
ZnormM3 <- (Fakt.Daten$M3-MW.3)/SD.3
ZnormM4 <- (Fakt.Daten$M4-MW.4)/SD.4
ZnormM5 <- (Fakt.Daten$M5-MW.5)/SD.5
Z_Matrix <- cbind(ZnormM1,ZnormM2,ZnormM3,ZnormM4,ZnormM5)
Z_Matrix
A_Matrix <- Fakt.Ergebnis$loadings[1:5, 1:2]
A_Matrix
At_Matrix <- t(A_Matrix)
AAt_Matrix <- At_Matrix %*% A_Matrix
AAt_Matrix
A.inv <- solve(AAt_Matrix)
A.inv
P_Matrix <- Z_Matrix %*% (A_Matrix %*% A.inv)
P_Matrix
xy_Label <- c("A","B","C","D","E","F")
P_Matrix <- cbind(P_Matrix,xy_Label)
P_Matrix
plot(P_Matrix, main = "Faktorenanalyse", xlab = "Qualität (Faktor 1)", ylab = "Wirtschaftl. (Faktor2)", tck = 1, pch = xy_Label, cex=1.5)
save.image("E:/Statistik/R-2.3.1/Mein_Workspace/3_3_2_Faktorenanalyse.RData")