因素分析表.docVIP

学实验报告 一、实验课题：在福特基金数据随机抽取的9个因素中，哪些是最重要的因素 数据来源：GET FILE=D:\Documents\Desktop\spss课程教案\福特基金问卷数据.sav. DATASET NAME 数据集1 WINDOW=FRONT. 1、单击分析，降维 2、录入变量： 3、点击描述 4、抽取 5、得分 均值 标准差 分析 N 是否喜欢学校 1.5000 .54398 50 是否喜欢专业 1.3000 .54398 50 学习成绩 2.8600 .57179 50 综合能力评价 2.6400 .59796 50 专业学习 2.4400 .76024 50 课外知识学习 2.5600 .83690 50 志向 2.2000 .83299 50 目标感 2.0200 .68482 50 积极主动学习 1.3600 .48487 50 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。 .740 Bartlett 的球形度检验 近似卡方 100.281 df 36 Sig. .000 KMO是Kaiser-Meyer-Olkin的取样适当性量数。KMO测度的值越高（接近1.0时），表明变量间的共同因子越多，研究数据适合用因子分析。通常按以下标准解释该指标值的大小：KMO值达到0.9以上为非常好，0.8～0.9为好，0.7～0.8为一般，0.6～0.7为差，0.5～0.6为很差。如果KMO测度的值低于0.5时，表明样本偏小，需要扩大样本。 此处的KMO值为0.740，表示适合进行因素分析。 Bartlett球体检验的目的是检验相关矩阵是否是单位矩阵（identity matrix），如果是单位矩阵，则认为因子模型不合适。Bartlett球体检验的虚无假设为相关矩阵是单位阵，如果不能拒绝该假设的话，就表明数据不适合用于因子分析。一般说来，显著水平值越小（0.05）表明原始变量之间越可能存在有意义的关系，如果显著性水平很大（如0.10以上）可能表明数据不适宜于因子分析。 Bartlett球形检验的值为100.281（自由度为36），伴随概率值为0.0000.01，达到了显著性水平，说明拒绝零假设而接受备择假设，即相关矩阵不是单位矩阵，代表母群体的相关矩阵间有共同因素存在，适合进行因素分析。 解释的总方差 成份 初始特征值 提取平方和载入 合计 方差的 % 累积 % 合计 方差的 % 累积 % 1 3.246 36.071 36.071 3.246 36.071 36.071 2 1.223 13.593 49.665 1.223 13.593 49.665 3 1.034 11.484 61.148 1.034 11.484 61.148 4 .891 9.905 71.054 5 .737 8.191 79.245 6 .630 7.002 86.247 7 .527 5.860 92.107 8 .426 4.737 96.844 9 .284 3.156 100.000 提取方法：主成份分析。 上表叫做总的解释方差表。左边第一栏为各成份（Component）的序号，共有9个变量，所以有9个成份。第二大栏为初始特征值，共由三栏构成：特征值、解释方差和累积解释方差。合计栏为各成份的特征值，栏中只有5个成份的特征值超过了1；其余成份的特征值都没有达到或超过3。方差的％栏为各成份所解释的方差占总方差的百分比，即各因子特征值占总特征值总和的百分比。积累％栏为各因子方差占总方差的百分比的累计百分比。如在方差的％栏中，第一和第二成份的方差百分比分别为36.071、13.593，而在累计百分比栏中，第一成份的累计百分比仍然为36.071，第二成份的累计方差百分比为49.665，即是两个成份的方差百分比的和（36.071+13.593）。 第三大栏为因子提取的结果，未旋转解释的方差。第三大栏与第二大栏的前五行完全相同，即把特征值大于1的四个成份或因子单独列出来了。这四个特征值由大到小排列，所以第一个共同因子的解释方差最大。 碎石图和结果的被解释的总方差的作用相同，都是为了确定因子的数目。从碎石图可以看出，从第3个因子开始，以后的曲线变得比较平缓，最后接近一条直线。据此，可以抽取3个因子。最后决定抽取多少个因子，还要看后面的结果。 成份矩阵a 成份 1 2 3 是否喜欢学校 .484 .599 .122 是否喜欢专业 .526 .405 -.482 学习成绩 .405 -.499 .447 综合能力评价 .473 .245 .627 专业学习 .799