实验报告5 因子分析.docVIP

SPSS 操作 实验题目： 因子分析 实验类型： 基本操作 实验目的：掌握因子分析的基本原理及方法 实验内容： 数据是34名运动员十项全能的比赛成绩。试采用因子分析的方法来提取公共因子，分析衡量运动员运动成绩的指标。 1、对数据进行KMO和Bartlett检验。 2、使用主成分分析方法，并且在公因子特征值大于1的基础上选择公因子的数目，确定公因子的个数。 3、利用最大方差法求出旋转后的因子载荷矩阵，确定对应公因子经济含义。 4、根据因子载荷矩阵写出标准化的跳远、铅球与公因子之间的函数表达式。 5、求出数据中第一个学生和最后一个学生的的公因子得分。 实验步骤： 1、点击“变量视图”，将十项全能成绩改为“X1、X2……X10”，选择“分析”—“降维”—“因子分析”，然后进入到了“因子分析”的界面，将“X1、X2……X10”项选为“变量”； 2、选择“描述”项，然后勾选“单变量描述性”“原始分析结果”“系数”“显著性水平”“行列式”“KMO和Bartlett的球形度检验”，点击“继续”； 3、点击“抽取”项，选择“主成分”方法，基于特征值大于“1”，点击“继续”； 4、点击“旋转”项，选择“最大方差法”，勾选“旋转解”和“载荷图”，点击“继续”； 5、点击“因子得分”项，勾选“保存为变量”（旋转）和“显示因子系数得分矩阵”，方法为“回归”，点击“继续”； 6、“选项”项为默认项，点击“确定”，得到所需结果。 实验结果： 对数据进行KMO和Bartlett检验。 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。 .788 Bartlett 的球形度检验 近似卡方 211.586 df 45 Sig. .000 通过KMO检验和Bartlett检验的结果发现，KMO的值为0.788，比较接近1，表示适合做因子分析Bartlett 的球形度卡方检验的P值为0.000，拒绝原假设，即总体变量是相关的。可以进行因子分析。则两个检验的结果是一致的。 2．使用主成分分析方法，并且在公因子特征值大于1的基础上选择公因子的数目，确定公因子的个数。 解释的总方差 成份 初始特征值 提取平方和载入 旋转平方和载入 合计 方差的 % 累积 % 合计 方差的 % 累积 % 合计 方差的 % 累积 % 1 5.024 50.235 50.235 5.024 50.235 50.235 3.624 36.238 36.238 2 2.080 20.799 71.034 2.080 20.799 71.034 3.480 34.796 71.034 3 .735 7.355 78.389 4 .686 6.857 85.246 5 .376 3.763 89.009 6 .302 3.021 92.030 7 .286 2.855 94.885 8 .224 2.238 97.123 9 .205 2.047 99.170 10 .083 .830 100.000 提取方法：主成份分析。 通过对总方差的分析，在公因子特征值大于1的基础上，认为公因子个数有2个，解释了总方差变动的71.034%。 3．利用最大方差法求出旋转后的因子载荷矩阵，确定对应公因子经济含义。 旋转成份矩阵a 成份 1 2 x1 .785 -.341 x2 -.783 .352 x3 -.134 .913 x4 -.442 .406 x5 .903 -.009 x6 .737 -.440 x7 -.084 .909 x8 -.570 .666 x9 -.179 .765 x10 .678 .441 提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的正交旋转法。 a. 旋转在 3 次迭代后收敛。 通过利用最大方差法分析成分矩阵，可将x1（r100米）、x2（跳远）、x4（跳高）、x5（r400米）、x6（h110栏）、、x10（r1500米）归为第一公共因子F1，体现运动员腿部肌肉的发达程度以及综合身体素质；将x3（铅球）、x7（铁饼）、x8（撑杆跳高）、x9（标枪）归为第二公共因子F2，体现了运动员的手臂力量和身体协调性能力。 4．根据因子载荷矩阵写出标准化的跳远、铅球与公因子之间的函数表达式。（成分矩阵即为因子载荷矩阵） 成份矩阵a 成份 1 2 x1 -.804 .294 x2 .810 -.285