因子阐明主要用于阐明商户O2O运营数据，（快手互粉网站），了解商家的行为信息，找出数据背后的共性，最终对商家举办综合评价，挖掘商家特点。
应用配景
得到企业所属的商户O2O运营数据后，通过阐明它们在一段时间内的线上线下行为信息，找出这些变量的共性，降低阐明维度，对商户举办综合评价，可以知道产物运营结果是否到达预期。
阐明要领
因子阐明（探索结构，简化数据，综合评价）
阐明工具
SPSS（数据阐明的重量级应用，与SAS二选一）
实例：100个商户的O2O运营数据
一、根本常识讲授
因子阐明的目的是什么？
探索结构：在变量之间存在高度相关性的时候，我们但愿用较少的因子数目来归纳综合其信息。
简化数据：把原始变量转化为因子后，利用因子得分举办阐明，（小程序刷粉平台），（拼多多涨粉网站），比如聚类阐明、回归阐明等。
综合评价：通过每个因子得分计算出综合得分，对阐明东西举办综合评价。
因子阐明的步调
判断数据是否适合因子阐明
布局因子变量
操作银子旋转要领使得因子更有实际意义
计算每个个案的因子得分
如何判断数据是否适合因子阐明？
因子阐明的变量要求为持续变量，分类变量不适合直接举办因子阐明。
发起个案个数为变量个数的5倍以上，这只是参考值，不是绝对标准。
KMO检讨统计量：小于0.5时不适合因子阐明；大于0.5小于0.7时，尚可以接管因子阐明；大于0.7小于0.8时，较量适合因子阐明；大于0.8时很是适合因子阐明。
二、如何展开因子阐明？
不瞎逼逼，直接开干。
【描述】
勾选“KOM和巴特利特球形度检讨”，（淘宝补流量平台），目的是用于生成检讨因子阐明适合度的统计指标。
【提取】
要领选择“主身分”，（微博刷粉网站），这是最常用的提取因子的要领；
勾选“碎石图”，用于帮助判断因子个数。
【旋转】
选择“最大方差法”，用于更好的表明因子所包括的意义。
最大方差法师最常用的，该要领能够使每个变量尽大概的在一个引子上有较高的载荷，在其余因子上载荷较低，从而利便对因子举办表明。
【得分】
勾选“生存为变量”，要领选择“回归”，用于生存计算的到的因子得分。
【选项】
勾选系数显示款式中的“按巨细排序”，是为了让系数巨细有序，利便调查；勾选“解除小系数”，输入0.4，这样在功效中相干系数小于0.4的会被解除，不再显示，也是为了利便调查（因为我们是寻找相干系数高的）
注意：这里不必生搬硬套，也不必也按时0.4，（快手刷粉平台），可视详细环境而定
阐明功效解读：
该功效主要用来检讨数据是否适合因子阐明，主要参考KMO统计量即可。
KMO统计量为0.627，大于0.5小于0.7，尚可以接管因子阐明。
这个功效是“变量配合度”，显示了原始变量能被提取的因子表明的水平。
本例中所有变量配合度都在60%以上，可以认为所提取的因子对各变量的表明能力是可以接管的。
该图是“总方差表明”，显示了通过阐明所提起的因子数量，以及所提取的因子对所有变量的累计方差孝敬率。
累计方差孝敬率大于60%，则说明因子对变量的表明能力尚可接管，到达80%，说明因子对变量的表明能力很是好。
本例按照“初始特征值”大于1的标准提取了两个因子，旋转之后累计方差孝敬率到达72.367%，（小红书刷粉平台），因子的表明能力较好。
碎石图”能帮助我们判断最佳因子个数，凡是是选区取现中较量陡峭的位置所对应的因子个数。
本例前三个音字都在较陡峭的曲线上，所以提取2~~3个因子都可以对原始变量有较好的表明。
如何确定提取的因子个数？
初始特征值（总方差表明图）大于1的因子个数
累计方差孝敬率（总方差表明图）到达必然程度的因子个数（如60%）
碎石图中处于陡峭曲线上的对应因子个数。
按照履历或研究，指定个数。
这是旋转之前的因子载荷矩阵，难以对因子举办明确界说，可以忽略不看，直接看旋转后的因子载荷矩阵。
“旋转后的身分矩阵”显示的是旋转后的因子载荷矩阵，这个功效能够凸显因子寄义。
第一个因子：载荷较大的变量是“店铺浏览量”、“论坛浏览量”、“线上广告用度”、“实体店访客数”，说明这四个变量与该因子的相关水平较高，个中前三个是反应的是线上数据，“实体店访客数”放映的固然是线下数据，可是与第一个因子泛起反向干系。综上所述可以吧第一个因子命名为“线上商务”。
第二个因子：载荷较大的是“实体网店货数”、“线下广告用度”、“地面推广引入量”，说明这个变量与因子的先关水平较高，并且反应的都是线下环境。综上所述可以命名为“线下商务”。
注意：系数是按我们设置的降序排列，并且有的为空，是因为我们设置的解除小于0.4的系数是因子功效越发清晰，可读。
这个图没什么卵用，忽略不计。
新生成了两个变量就是每个商户在两个因子上的得分：第一个因子的得分，第二个因子的得分。
三、如何计算综合得分？
下面我们计算综合得分。
公式：第一个因子占的加权比重数*第一个因子得分+第二个因子占的加权比重数*第二个因子得分
本例中旋转后的方差表明图知：
因子1孝敬率为38.968%，因子2孝敬率为33.399，累积孝敬率为72.367
所以因子1占的加权比重数=38.968/72.367
因子2所占的加权比重数=33.399/72.367
对综合得分举办将序排列，就能知道哪些商户在O2O的运营方法下表示优异。
知道了那些商家表示优异，那些商户表示较量差，就可以举办后的具体阐明，以晋升企业的商业代价，到达某些商业目的。
