想请问这个图是如何画出来的(关键词-因子分析/stata/SPSS/散点图)

Question

某篇文章将因子分析结果画成了如图所示（图1）的图片，感觉像是矩形散点图（但是散点图上面的点一般都是样本的观测值）。他有八个量表，提取了两个因子，构成一个四象限，然后分析各量表位于哪一个象限。理论模型如图2所示。
想请问这个图是如何画出来的？

Answer 1

引自免费微信小程序：皆我百晓生

为了绘制类似图1和图2的图表，你需要首先进行因子分析，然后根据分析结果创建散点图。这里我将指导你如何在Stata中完成这些步骤，并提供相应的代码示例。如果你没有Stata，也可以参考代码逻辑在其他统计软件如R或Python中实现。

Step 1: 数据准备 确保你的数据文件是CSV格式，并且变量名与图2中的量表名称一致。例如，你的数据可能看起来像这样：

data.csv:
scale1,scale2,scale3,scale4,scale5,scale6,scale7,scale8
1.2,2.3,3.4,4.5,5.6,6.7,7.8,8.9
...,...,...,...,...,...,...,...

Step 2: 导入数据并执行因子分析 在Stata中，首先导入数据，然后执行主成分分析（PCA），这在一定程度上类似于因子分析。由于原始文章提到了旋转（rotated solution），我们可以使用最大方差法（varimax rotation）进行旋转。

use "data.csv", clear
pca scale1-scale8, rotate(varimax) saving(pca_results, replace)

Step 3: 获取因子载荷矩阵 从保存的PCA结果中提取因子载荷矩阵，这是决定每个量表在因子上的位置的关键信息。

matrix pca_loadings = pcafactor(pca_results, loadings)

Step 4: 创建散点图 基于因子载荷，创建散点图。这里我们将两个因子作为X轴和Y轴，量表名作为标签。

twoway scatter `colnames(pca_loadings)[2]` `colnames(pca_loadings)[3]` ///
    if !missing(`colnames(pca_loadings)[2]') if !missing(`colnames(pca_loadings)[3]'), ///
    xtitle("Factor 1") ytitle("Factor 2") legend(off) ///
    scheme(s1mono) mlabel(`colnames(pca_loadings)', angle(horizontal), pos(9)) ///
    title("Results of Factor Analysis on the Eight Scales") subtitle("Rotated Solution for Two Factors Explaining 75% of Total Variance")

上述代码将会生成一个散点图，其中每个点代表一个量表，点的位置由其在两个因子上的得分决定。颜色和形状可以进一步调整以增加可视化效果。

请注意，Stata本身并不支持创建完美的圆形散点图，但通过调整角度和标签位置，可以尽可能接近目标效果。如果你需要更精确的控制，你可能需要使用其他绘图工具或编程语言，如Python的Matplotlib库或ggplot2包（R语言）。

注意： 这里的代码示例适用于Stata，如果你使用的是SPSS或其他软件，操作可能会有所不同。然而，基本的思路是一致的：进行因子分析，提取因子载荷，然后根据载荷值绘制散点图。