Анализ социологических данных с применением пакета SPSS. Пошаговая исследовательская модель анализа данных, страница 17

компоненты	Собственные значения Initial Eigenvalues			Сумма квадратов нагрузок для выделенных факторов (до вращения) Extraction Sums of Squared Loadings			Сумма квадратов нагрузок для выделенных факторов (после вращения) Rotation Sums of Squared Loadings
	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %
1	3,72	41,33	41,33	3,72	41,33	41,33	3,08	34,22	34,22
2	1,07	11,91	53,24	1,07	11,91	53,24	1,71	19,02	53,24
3	0,83	9,27	62,50
4	0,73	8,07	70,57
5	0,63	7,04	77,61
6	0,62	6,94	84,56
7	0,54	6,04	90,60
8	0,44	4,93	95,53
9	0,40	4,47	100,00

Extraction Method: Principal Component Analysis. (Метод извлечения факторов: метод главных компонент)

Таблица 5. Факторные нагрузки (Component Matrix)

Исходные признаки	Component (главные компоненты)
Исходные признаки	1	2
невзрачный/ красивый	0,761	-0,072
отсталый/ развитый	0,723	-0,226
холодный/ гостеприимный	0,675	-0,103
неухоженный/ благоустроенный	0,646	0,003
старомодный/ современный	0,642	-0,360
проблемный/ благополучный	0,638	0,438
бескультурный/ культурный	0,636	-0,264
заурядный/ уникальный	0,619	0,197
дорогой/ доступный	0,374	0,759

Extraction Method: Principal Component Analysis. (Метод извлечения факторов: метод главных компонент)

Таблица 6. Факторные нагрузки после вращения (RotatedComponentMatrix)

Исходные признаки	Component (главные компоненты)
Исходные признаки	1	2
отсталый/ развитый	*0,741*	0,159
старомодный/ современный	*0,736*	0,002
невзрачный/ красивый	*0,698*	0,311
бескультурный/ культурный	*0,683*	0,083
холодный/ гостеприимный	*0,638*	0,242
неухоженный/ благоустроенный	*0,561*	0,320
дорогой/ доступный	-0,048	*0,844*
проблемный/ благополучный	0,340	*0,695*
заурядный/ уникальный	0,442	*0,476*

Метод вращения – Варимакс.

Рис.1. Исходные признаки в пространстве главных компонент (после вращения)

Рис. 2. График «осыпь»