管理学的实证研究方法入门教学课件ppt作者黄晓治第九章课件.pptVIP

* * 第9章因子分析 1 9.1 探索性因子分析 2 9.2 验证性因子分析 3 9.3 SPSS中因子分析的操作 9.1 探索性因子分析 9.1.1因子分析的概念 因子分析（Factor Analysis）是指通过研究各个变量间的内部依赖关系，探究其观测数据中的结构，并用少数的因子（假想变量）来表示基本的观测数据结构的方法。 因子分析有两种方法可以从显性变量中得到因子。一种是探索性因子分析，一种是验证性因子分析。 9.1.2探索性因子分析的概念 探索性因子分析（Exploratory Factor Analysis）简称为EFA，它是这样一种技术，找出多元观测变量的本质结构，并进行处理降维。所以，EFA可以将具有杂乱关系的变量综合成少数的几个核心因子。 9.1.3探索性因子分析的思路 第一步：研究设计 第二步：计算题目之间的协方差矩阵或者相关矩阵 第三步：因子的提取 第四步：因子个数的确定 第五步：转轴方法 第六步：对因子结构进行解释 9.1.4探索性因子分析中的几个重要问题? 1.样本大小 2.因子抽取模型 3.旋转方法? 4.因子数目的确定 9.1.5探索性因子分析在管理、教育领域中存在的问题及建议 1.样本容量、观测变量的数目不够 2.误用因子提取的方法 3.确定因子数目的标准以及因子旋转中存在的问题 4.因子值缺乏重复验证 5.呈现研究结果的形式不规范? 6.缺乏主动性，对SPSS的依赖性太强 9.2 验证性因子分析 9.2.1验证性因子分析的内涵 验证性因子分析（confirmatory factor analysis简称CFA），CFA在一定程度上弥补了EFA的缺点，把因子分析的研究范围与应用进行了拓展。验证性因子分析是指测试一个因子和相对应的测度项间的关系是否与研究者所设计的理论关系相符合。 CFA模型的主要步骤包括一下几步：模型的设定、对模型进行估计、模型的评价以及模型的修正。 9.2.2采用LISREL对验证性因子分析 采用LISREL进行验证性因子分析主要有以下几个步骤： 第一步：LISREL模型估计的模型设定 第二步：对LISREL模型估计结果的输出和解释 9.2.3探索性因子分析与验证性因子分析的相同点 探索性因子分析与验证性因子分析都是把普通因子分析模型作为理论基础，它们的主要目的都是浓缩数据，通过研究诸多变量的相关性，能用假想的几个少数变量（即潜变量、因子）来表示原来变量（即观测变量）的一些主要信息。 9.2.4探索性因子分析与验证性因子分析的不同点 1.基本思想有差异? 2.应用的前提有差异 3.理论假设有差异 4.分析步骤有差异 5.主要应用范围不同 6.探索性因子分析与验证性因子分析的正确用法 9.3 SPSS中因子分析的操作 9.3.1因子分析的基本概念 因子分析有时也被称为因素分析，在因子分析模型中，通常假定每个原始变量是由两部分所组成：唯一因子（unique factors）与共同因子（common factors）。其中，唯一因子是每个原始变量所独有的因子，指该变量不能被共同因子解释的那一部分。共同因子是各原始变量所共有的因子，用来解释变量间的相关关系。 9.3.2因子分析的主要方式 以浓缩原有变量提取因子为核心目标，因子分析涉及如下五个基本步骤： 第一步：因子分析的条件 第二步：共同因子的抽取，确定因子数以及因子求解的方法 第三步：让因子更具有命名可解释性 第四步：决定因子和命名 第五步：计算各样本因子得分 9.3.3 SPSS中因子分析的操作说明 具体操作步骤： 第一步：数据的录入 第二步：因子分析 1.首先在菜单栏中选择“Analyze”，然后再点击Data Reduction”，最后选择“Factor…”命令 2.描述性统计量的设置 3.设置对因子的抽取选项 4.因子转轴的设置 5.因子分数的设置 6.设置因素分析的选项  第三步：结果分析 1.KMO及Bartlett’s检验 2.共同因子方差（共同性） 3.陡坡图（碎石图） 4.整体解释的变异数——即未转轴前的数据 5.未转轴的因子矩阵 6.转轴之后的因子矩阵 7.因子转换矩阵 第四步：结果说明