SPSS教程05(帶圖)_因子分析_chenxy

1、簡單教程 05 1. 相關配套數(shù)據 已經 上傳百度文庫：2. 配套軟件 SPSS 17.0 已經上傳百度文庫；百度文庫搜索“SPSS簡單教程配套數(shù)據及軟件_chenxy”百度云盤鏈接；6. 因子分析26.1 因子分析理論基礎26.2 因子分析步驟46.3 因子分析實際操作步驟66.4 因子分析輸出結果96. 因子分析6.1 因子分析理論基礎因子分析的特點 1. 因子變量的數(shù)量遠少于原有的指標變量的數(shù)量，對因子變量的分析能夠減少分析中的計算工作量。2. 因子變量不是對原有變量的取舍，而是根據原始變量的信息進行重新組構，它能夠反映原有變量大部分的信息。3. 因子變量之間不存在線性相關關系，對變量的

2、分析比較方便。4. 因子變量具有命名解釋性，即該變量是對某些原始變量信息的綜合和反映。 （ 原始變量 具有高度相關關系 的組合在一起 重新起一個名字 ）因子分析和主成分分析的區(qū)別（簡述）1) 原理不同2) .線性表示方向不同3) 假設條件不同4) 求解方法不同5) 主成分和因子的變化不同6) 因子數(shù)量與主成分的數(shù)量7) 解釋重點不同8) 算法上的不同9) 優(yōu)點不同10) 應用場景不同因子分析 目標l 根據因子分析結果構建數(shù)學模型l 把因子變量包含的原有信息 讀出來l 因子得分的數(shù)學模型得出來因子載荷： 因子之間關系的系數(shù)（相關程度）： 在各個因子變量不相關情況下，因子載荷 就是第 i 個原有變

3、量和第 j 個因子變量的相關系數(shù)，即 在第 j 個公共因子變量上的相對重要性。因此，絕對值越大，則公共因子和原有變量關系越強。特殊因子： 原始變量不能被因子變量解釋的那一部分相當于多元回歸分析中的殘差部分。變量共同度 ：也稱公共方差，反映全部公共因子變量對原有變量的總方差解釋說明的比例；原有變量的共同度是因子載荷矩陣A中第i行元素的平方和，即：公共因子的方差貢獻：為因子載荷矩陣A中第j列各元素的平方和，即：公共因子的方差貢獻反映了該因子對所有原始變總方差的解釋能力，其值越高，說明因子重要程度越高。6.2 因子分析步驟步驟： 1. 是否適合做因子分析一次性選擇 三個 以上的奇數(shù)個方法（避免偶數(shù)個

4、方法出現(xiàn)的判別矛盾性）2. 構造因子變量提取因子變量 旋轉 因子變量 命名可解釋性3. 利用旋轉使得因子變量更具有可解釋性4. 計算因子變量的得分5. 計算綜合得分6. 根據綜合得分進行排序 1. 確定待分析的原有若干變量是否適合于因子分析 相關系數(shù)矩陣法：較大的程度？如果相關系數(shù)矩陣在進行統(tǒng)計檢驗中，大部分相關系數(shù)（超過50%）都小于0.3且未通過統(tǒng)計檢驗（相關系數(shù)異于0的顯著性檢驗：不拒絕H0即p>0.05），那么這些變量就不適合進行因子分析。巴特利球形檢驗巴特利特球形檢驗的統(tǒng)計量是根據相關系數(shù)矩陣的行列式得到的。如果該值較大，且其對應的相伴概率值小于用戶心中的顯著性水平，那么應該拒

5、絕零假設，認為相關系數(shù)據不可能是單位陣，也即原始變量之間存在相關性，適合作因子分析；相反，不宜于作因子分析。反映像相關矩陣檢驗(不需要用)如果反映像相關矩陣中有些元素（超過50%的元素）的絕對值比較大，那么說明這些變量不適合作因子分析。 KMO檢驗法>0.9 非常適合0.8-0.9 適合0.7-0.8 一般0.6-0.7不太適合0.5以下 極不適合如果KMO 2. 構造因子變量選擇提取因子方法 只能選其一l 根據 特征值>1 的方法l 累計方差貢獻率 （到達以上0.80）當兩種方法提取因子不一樣時：借助 陡坡圖 判定 找到 拐點 （ 最佳因子提取數(shù) ）3. 因子的命名解釋因子載荷矩

6、陣某一行多個比較大 某個原有變量xi可能同時與幾個因子有比較大的相關關系。某一列多個比較大 說明某個因子變量可能解釋多個原變量的信息。對于同一行數(shù)據，當出現(xiàn)因子載荷>=0.5原始變量出現(xiàn)在兩個因子下時需對因子載荷矩陣 進行旋轉得到旋轉后的因子載荷矩陣 并提取每一列 0.5以上解釋程度的原始變量 構建多元線性方程： 4. 計算因子得分 通過因子得分矩陣 縱向數(shù)據 構建新的多元線性方程： 5. 計算綜合得分對 提取的因子 通過其方差貢獻率（或者累計方差貢獻率） 做權數(shù) 的得分 算出總得分（一般大多選擇 方差貢獻率 做權數(shù)）6.3 因子分析實際操作步驟操作步驟 1 ： （ 數(shù)據文件見 2015

7、1203_因子分析 ）Analyze -> Dimension Reduction -> Factor 添加全部 原始變量 指標點擊 Descriptive 按鈕描述統(tǒng)計按鈕即各變量 均值 標準差等信息可選可不選Initial solution：表示輸出初始分析結果。輸出的是因子提取前分析變量的公因子方差，是一個中間結果。Coefficients : 相關系數(shù)KMO and Bartletts test sphericity : KMO和 巴特利球形檢驗點擊 continue 點擊 Extraction主成分分析法Extract一般選用 第一個 based on Eigenvalu

8、e當出現(xiàn)以下這種情況時候： 存在20個原始變且目標為提取4個因子 通過方法一 特征值大于1 確定提取三個因子 通過方法二 累計方差貢獻率大于80% 確定提取5個因子此時勾選第二個 Fixed number of factors 指定因子個數(shù)繼續(xù)點擊 ->continue ->點擊按鈕 Rotation 方差極大化旋轉點擊 ->continue 點擊按鈕 ScoresSave as variables：將因子得分作為新變量保存在數(shù)掘文什中。程序運行結束后，存數(shù)據編輯窗口中將顯示出新變量。l Regression：其因子得分均值為0，方差等于估計因子得分與實際因子得分之間的多元相

9、關的平方。l Bartlett：巴特立特法。因子得分均值為0，超出變量范圍的各因子平方和被最小化。l AndersonRubin：因子得分均值為0，標準差為1，彼此不相關。Display factor score coefficient matrix：顯示因子得分系數(shù)矩陣。點擊 -> continue 點擊 按鈕 Options 默認選項點擊 -> continue ->OK 輸出結果如下6.4 因子分析輸出結果表格一 ： 相關系數(shù)表通過統(tǒng)計分析 位于 對角線上方共有 36 個數(shù)據且在該36個數(shù)據中絕對值 > 0.3 的共有17 個小于總數(shù)據個數(shù)的一半通過對數(shù)據四舍五入

10、（0.264 , 0.261 ），此時發(fā)現(xiàn) > 0.3 的數(shù)據超過總數(shù)據個數(shù)的一半 ，適合進行因子分析。表格二 ： KMO和巴特利球形檢驗結果可知1. KMO = 0.585 介于 不太適合 和 極不適合 之間 則不適合作因子分析2. 巴特利球型檢驗 值= 74.733 較大 且 巴特利特球形檢驗伴概率值P值 = 0.00 <0.05 拒絕零假設，認為相關系數(shù)據不可能是單位陣，也即原始變量之間存在相關性，適合作因子分析共同度（Commonality）是指一個測驗條目在所有因子上的因子載荷平方和，它代表了所有因子合起來對該條目的變異解釋量，我們知道因子是用來代替繁多的條目的簡化測量指

11、標，那么共同度高即代表某個條目與其他條目相關性高，而共同度低則表明該條目與其他條目共通性很低，也就是說這個條目的獨特性很強，這樣的題目是應該予以剔除的表格三 ：變量共同度 網上解釋：因子分析中各指標的共同度來確定指標的效度，一般認為當共同度大于0.4，說明該指標具有較好的效度。課上解釋：有 50% 的以上的因素 其絕對值 在0.7-0.8以上 適合做因子分析（ 不太確定是不是這么分析 ，上課內容比較籠統(tǒng)，望提示補充）累計方差貢獻率表格四 ： 方差解釋表格方差貢獻率提取因子：判別條件一：特征值>1的 共有3個因子判別條件二： 各因子按方差貢獻率從大到小排列， 而當累計方差貢獻率超過80%時 即因子1方差貢獻率+因子2+因子3+因子4 > 80%共有4個因子 條件一和二出現(xiàn)矛盾、結合 陡坡圖 確定 拐點 為最佳因子確定個數(shù) 為3個表格五和表格六 : 因子載荷 系數(shù)表格由因素2 存在于兩個公共的因子的解釋程度都>0.5 此時即因子2具有交叉性故選擇 旋轉后的 因子載荷矩陣旋轉后的 因子載荷矩陣 不存在 因子交叉現(xiàn)象，得出各原始變量對公共因子的解釋程度結果如下：即公共因子下：出發(fā)點，發(fā)展機會，權力距離，職位升遷，領導風格即公共因子下：合作性，分配，工作投入即公共因子下：社會地位并根據各公因子下屬子因子實際信息對各公因子命名；（