《表4 因子分析中公因子的药物组成及载荷系数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于聚类分析和因子分析的慢性咳嗽用药规律探索》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

因子分析是一种多变量简化技术，通过分解原始变量将变量群中隐含的多层次信息进行多步骤、多层次的分析，从而归纳出潜在的“类别”，相关性较强的变量归为一类，每一类变量代表了1个“共同因子”，最终建立因子模型，解释各主因子与变量之间的关系，以求用最少的因子来完整地反映原始变量间的信息[12-13]。因子分析中Kaiser-Meyer-Olkin（KMO）检验统计量是用于比较观测相关系数值与偏相关系数值的指标，通常大部分指标要求>0.3[14]。结果KMO统计量数值0.763，Bartlett's球形度检验的近似卡方值（χ2）=10 982.602，f=780，P=0，表明各变量间存在相关性，可进行因子分析。按主成分分析进行数据提取，默认特征值为1，得碎石图，见图2。联系频数分析结果，确定百部、陈皮、紫菀、款冬花、炙甘草、白前、茯苓、五味子、浙贝母、荆芥为主要因子，可提取出13个公因子。运用Kaiser标准化的四分旋转法后的载荷，数据旋转在25次迭代后收敛，总贡献率累计69.548%，表示可以涵盖大部分信息[15]。载荷的平方可以解释为观测变量有多大比率由某一因子决定，因子载荷的绝对值越大，说明在组成该变量的诸多因子中，该因子所起的作用越大[16]。公因子药物及其荷载系数见表4。