- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Spss11.5软件进行因子分析的统计分析过程
Spss11.5 软件进行因子分析的统计分析过程
1.因子分析的基本步骤
(1)菜单选项:analyze-Data Reduction-Factor;
(2)选择参与因子分析的变量到Variables框;
(3)Discriptive:分析是否适合做因子分析;
(4)Extraction:选择构造因子变量的方法,默认主成分分析法。
Extract框:指定确定因子个数的标准;
(5)Rotation:择因子载荷矩阵的旋转方法。默认是不进行旋转。一般可以选择Varimax选项采用方差极大法旋转。
(6)Scores:Save as variables:将因子得分存成一个名为FACn_m的SPSS变量中,其中:n是因子变量的名,以数字序号的形式表示;m表示是第几次作的。
Display factor score coefficient matrix项表示:以矩阵的形式输出因子得分函数。
Method框中提供了估计因子得分的几种方法。
2.因子分析具体过程
在Spss11.5 for windows中进行因子分析的统计分析过程由主菜单的Analyze下拉菜单中Data Reduction的功能中的Factor(因子分析)过程实现。
因子分析的主对话框:
因子分析的主对话框介绍:
Variables:变量栏;Selection Variable:选择变量值范围;Descriptives:选择描述统计量的按钮;Extraction…:因子提取按钮;Rotation…:旋转方法选择按钮;Scores…:因子得分按钮;Options…:选择项按钮。
Descriptives子对话框介绍:
单击Descriptives…按钮,打开Descriptives子对话框
Statistics:统计量组:
Univariate descriptives:单变量描述统计量,选择此项可以输出参与分析的各原始变量的均值、标准差等;
Initial solution(默认选择项):初始分析结果,选择此项可以给出原始变量的公因子方差、与变量数目相等的公因子、各因子特征值、各因子特征值占总方差的百分比以及累积百分比;
Correlation Matrix:相关矩阵组:
Coefficients 相关系数选择此项给出原始变量间的相关系数矩阵;
Significance levels 显著性水平选择此项给出每个相关系数相对于相关系数为0的假设检验概率水平;
Determinant 相关系数矩阵的行列式;
KMO and Bartlett’s test of sphericity KMO 和球形Bartlett检验。选择此项给出对采样充足度的Kaisex-Meyer-Olkin测度。检验变量间的偏相关是否很小。Bartlett检验,检验的是相关阵是否是单位阵。它表明因子模型是否是不合适宜的;
Inverse 相关系数矩阵的逆矩阵;
Reproduced 再生相关阵,选择此项给出因子分析后的相关阵,还给出残差,即原始相关与再生相关之间的差值;
Anti-image 反映象相关阵。包括偏相关系数的负数;反映象协方差阵,包括偏协方差的负数;在一个好的因子模型中除对角线上的系数较大外,远离对角线的元素应该比较小。
Extraction子对话框介绍
单击Extraction…按钮,打开Extraction子对话框
Method:一组指定提取方法的选择项。单击矩形框右面的箭头可以展开提取方法,七种提取方法选择。
Principal components:主成分法。该方法假设变量是因子的纯线性组合;
Unweighted least square:不加权最小平方法。该方法使观测的和再生的相关阵之差的平方最小;
Generalized least squares:用变量的单值加权,使观测的和再生的相关阵之差的平方最小;
Maximum likelihood:最大似然法。此方法不要求多元正态分布。给出参数估计,如果样本来自多元正态总体,它们与原始变量的相关阵极为相似;
Principal Axis factoring:使用多元相关平方作为对公因子方差的初始估计;
Alpha factoring:因子提取法;
Image factoring:映象因子提取法。根据变量映象的概念提取公因子的方法。把一个变量看作其它各变量
Analyze:确定相关矩阵和协方差矩阵;
⊙Covariance matrix(默认选择项):相关矩阵;
○Covariance matrix:协方差矩阵。
Extract:控制提取进程和提取结果的选择项;
⊙Eigenvalues over(默认选择项)该选择项指定提取的因子的特征值。在此项后面的矩形框中给出系统默认值为1,即要求提取那些特征值大于1的因子;
○Num
文档评论(0)