SPSS培训因子分析-卫生统计知识及应用软件培训.ppt

因 子 分 析 Factor Analysis 探索性因子分析 Exploratory factor analysis, EFA 问题的提出 主成分分析中，变量的少数几种线性组合,概括地反映了原始数据蕴涵的主要信息。这些线性组合称作原始变量的公因子。 因子分析试图把原始变量表示为若干公因子的线性组合。 其中，被描述的变量X1、X2…是可以观测的随机变量，即显在变量。 而因子F1、F2、…是不可观测的潜在变量。 潜在变量 在社会科学、行为科学、心理学、教育学等领域中，许多基本特征如：‘态度’、‘能力’、‘智力’、‘认识’等实际上是不可能直接观测的，我们可以把它们看成潜在变量。 公因子的提取方法 因子命名 因子分析带有很大的主观性，因子命名就象是一种艺术作品。不但需要客观的复杂计算，还需要经过主观思维的加工补充。因子分析一定要与实际研究的问题和专业知识相结合。 实例分析1(方435_25_1) 1985年中国28省市汉族城市男生19~22岁组若干形态指标的平均值。 数据集中， 28行表示28个省份，6列表示6项指标。 试作因子分析。 实现步骤 创建数据集或打开现成的数据集。 2. Analyze Data reduction Factor ... 具体操作步骤 Analyze→ Data Reduction → Factor → 所有变量选入“Variables” →Descriptive 中选√ KMO and Bartlett’s test of Sphericity → Extraction →Extract, 选中⊙Number of factors 3 → Rotation → Display 中选√ loading plots →其余均按默认值 → ok 计算实现与结果讨论（1） 计算实现与结果讨论（2） 计算实现与结果讨论（3） 计算实现与结果讨论（4） 主成分分析与因子分析的联系： （1）应用条件：变量之间存在较强相关性（KMO检验,KMO0.5;球形检验,P0.05）。 （2）主成分分析中的主成分与因子分析中的公因子相对应，且确定保留主成分/公因子个数的原则相同。 （3）对主成分/公因子的解释方式相同。 （4）主成分得分的大小说明潜变量的取值水平；因子分析的载荷值说明该因子之于该变量的影响水平。 主成分分析与因子分析的区别： （1）分析角度不同：主成分分析将潜变量表示为原始变量的线性组合；因子分析则把原始变量表示为潜在变量的线性组合。 （2）主成分分析中的各主成分是独立的（正交）各主成分的实际意义有时不易解释；因子分析则十分注重对公因子实际意义解释的合理性，有时甚至会放弃对公因子间互不相关的要求（斜交旋转）。 （3）主成分回归是克服共线性影响的重要手段。 证实性因子分析 Confirmatory factor analysis, CFA 实例分析2(陈194_9_4) 在住院病人满意度量表研制中，初步拟订的量表由5个因素（domains/dimensions）共27个条目（items）组成，即“医生服务”（7个条目，d1~d7), “伙食供应”（4个条目，f1~f4）， “辅助科室服务”（6个条目，h1~h6）， “护理”（6个条目，n1~n6）, “医疗环境与设施”（4个条目，s1~s4）。 试用因子分析验证量表的合理性。 实现步骤 创建数据集或打开现成的数据集。 2. Analyze Data reduction Factor ... 选项说明（1） （1） 所有变量均选入Variables。 （2）Descriptive 选中偏相关与球形检验。 （3）Extraction 选中Scree Plot,提取因子数设为5。 选项说明（2） （4）Rotation 选方差最大化旋转Varimax。 （5）Scores 选中公因子系数矩阵。 （6）Options 缺失值由均数替代；载荷值小于0.365者赋0。 计算实现与结果讨论（1） 计算实现与结果讨论（2） 计算实现与结果讨