spss5.9因子讲义.pptVIP

因子值：fac1_1, fac1_2 输出各变量基本描述统计量 输出因子分析的初始解 巴特利特球度检验和KMO的值 输出反映象相关矩阵 提取因子方法：主成分法 显示未旋转的载荷矩阵 相关系数矩阵 提取特征值大于指定值的因子 指定提取因子的个数 画出碎石图 旋转方法：Quartimax：四次方最大法，Varimax：方差最大法， Equamax：等量最大法，其他为斜交旋转法 输出旋转后的因子载荷矩阵 输出旋转后的因子载荷散点图 将因子值保存到SPSS变量中 计算因子值的方法： Regression：回归法 输出因子值系数矩阵 以第一因子的得分降序输出因子载荷矩阵 只输出大于指定值的因子载荷 5.9 因子分析 一、主成分分析 二、因子分析 三、因子分析在社会、经济中的应用 （一）主成分分析的经济背景 （二）主成分分析的数学解释 （三）主成分分析的步骤 一、主成分分析 （一）主成分分析的经济背景 综合指标（指数）—物价指数、生活费用指数等，综合反映某一经济现象的变化情况和规律。 综合指标的权重（权数）----统计中的加权方法、多元统计分析加权法。 1、多指标经济分析中存在的问题： （1）变量（指标）多 （2）变量（指标）之间具有一定的相关性 2、主成分分析的作用： 主成分分析可以把P个指标化为P个综合指标，使这些综合指标重要程度依次减弱，且彼此之间不相关。 （二）主成分分析的数学解释 有n个样品，每个样品有p个指标，x1、x2、…、xp，经过主成分分析，将它们综合成p个综合变量，即： （三）主成分分析的步骤 1、将原始数据进行标准化处理 2计算相关系数阵： 3、对应于相关系数阵R，求特征方程|R-?I|=0的p个非负特征值及特征向量。 4、确定p个新变量 5、写出关于新变量的联立方程组 二、因子分析 （一）因子分析的经济背景 在复杂的经济活动中，可能存在多个经济变量： 1、寻找经济变量的一个子集（加权子集），将多个经济变量降维，来解释整个经济问题。因子分析可以将为数众多的经济变量减少为几个新因子，以再现它们之间的内在联系； 2、根据因子得分值可进行分类处理，将变量或样本进行分类。 3、将提取的新因子做自变量，可建立多元回归模型。 （二）因子分析的步骤 —基于主成分法 1、将原始数据进行标准化处理 2计算相关系数阵： 3、对应于相关系数阵R，求特征方程|R-?I|=0的p个非负特征值及特征向量。 4、选择m个主因子： （1）取特征值大于等于1的作为主分量。 （2）如果前面F1、F2、…Fm这m个主因子的方差和占全部总方差的比例接近于1（大于85%），我们就选取这m个主因子分别为第一主因子、第二主因子…。 （3）碎石图准则 5、构造因子模型： 因子模型为： x1= -0.762f1+0.554 f2 x2= 0.568f1-0.768f2 x3= 0.892f1+0.255f2 x4= 0.870f1+0.347f2 x5=0.891f1+0.370f2 因子矩阵表 （三）因子分析与主成分分析的区别 1、主成分分析不能作为一个模型来描述，它只能作为通常的变量变换，而因子分析需要构造因子模型。 2、主成分分析的主分量数m与变量数p相等，他是将一组具有相关性的变量变换为一组独立的变量；而因子分析是尽可能小的选取m，以便尽可能地构造一个结构简单的模型； 3、主成分分析是将主分量表示为原观测变量的线性组合；而因子分析是将原观测变量表示为新因子的线性组合。 （四）提取因子方法 1、主成份法：Principal components 2、普通最小二乘法：Unweighted least square 3、广义最小二乘法：Generalized least square 4、最大似然法：Maximum likelihood 5、主轴因子法：Principal Axis factoring 6、α因子提取法：Alpha 7、映象分析法：Image （五）样本数据检测（是否适合做因子分析） 1、反映象相关矩阵（Anti-image correlation matrix) 一般情况下，一个好的因子模型中该矩阵除对角线上的数较大外，其它的数较小。 2、巴特利特球体检验（Bartlett test of sphericity) 根据给定的显著性检验水平进行判断。