SPSS16.0第9章因子分析.ppt

? 实现步骤 图9-1 在菜单中选择“Factor”命令 图9-2 “Factor Analysis”对话框 图9-3 “Factor Analysis：Descriptives”对话框 图9-4 “Factor Analysis：Extraction”对话框 图9-5 “Factor Analysis：Rotation”对话框 图9-6 “Factor Analysis：Facfor Scores”对话框 图9-7 “Factor Analysis：Options”对话框 （1）SPSS输出结果文件中的第一部分如下表所示。 9.2.2 SPSS结果解释 （2）SPSS输出结果文件中的第二部分如下表所示。 （3）SPSS输出结果文件中的第三部分如下表所示。 （4）SPSS输出结果文件中的第四部分如下表所示。 （5）SPSS输出结果文件中的第五部分如下表所示。 （6）SPSS输出结果文件中的第六部分如下表所示。 （7）SPSS输出结果文件中的第七部分为Total Variance Explained表格。如下表所示。 （8）SPSS输出结果文件中的第八部分如图9-8所示。 （9）SPSS输出结果文件中的第九部分如下表所示。 （10）SPSS输出结果文件中的第十部分如下表所示。 （11）SPSS输出结果文件中的第十一部分如下表所示。 （12）SPSS输出结果文件中的第十二部分如图9-9所示。 （13）SPSS输出结果文件中的第十三部分如下表所示。 （14）SPSS输出结果文件中的第十四部分如下表所示。 因子分析是对现实生活中众多的相关、重叠信息进行合并和综合，它以最少的信息丢失，将原始的众多变量和指标变成较少的几个综合变量，以利于分析判定。 在研究中，因子分析得到的结果经常用于综合判定。 9.2.3 讨论 小 结 因子分析是由Charles Spearman在1904年首次提出，其在某种程度上可以被看成是主成分分析的推广和扩展。因子分析就是用少量几个因子来描述许多指标或因素之间的联系，以较少的几个因子反应原资料的大部分信息的统计方法。 小 结 因子分析有两个核心问题：一是如何构造变量，二是如何对因子变量命名解释。因子分析的基本步骤有四步：（1）确定带分析的原有若干变量是否适于因子分析；（2）构造因子变量；（3）利用旋转使得因子变量更具有可解释性；（4）计算因子变量得分。 小 结 选中SPSS中“Analyze”/“Data Reduction”/“Factor”子菜单可进行因子分析，应计算相应的因子得分。 SPSS 16实用教程 第9章 因子分析 因子分析的定义和数学模型 9.1 SPSS中实现过程 9.2 因子分析是将现实生活中众多相关、重叠的信息进行合并和综合，将原始的多个变量和指标变成较少的几个综合变量和综合指标，以利于分析判定。本章介绍因子分析的定义、因子分析的数学模型，以及因子分析在SPSS中的实现过程。 9.1 因子分析的定义和数学模型 9.1.1 统计学上的定义 定义：在社会、政治、经济和医学等领域的研究中往往需要对反映事物的多个变量进行大量的观察，收集大量的数据以便进行分析，寻找规律。在大多数情况下，许多变量之间存在一定的相关关系。 因此，有可能用较少的综合指标分析存在于各变量中的各类信息，而各综合指标之间彼此是不相关的，代表各类信息的综合指标称为因子。因子分析就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子反映原资料的大部分信息的统计学方法。 因子分析有如下特点。 （1）因子变量的数量远少于原有的指标变量的数量，对因子变量的分析能够减少分析中的计算工作量。 （2）因子变量不是对原有变量的取舍，而是根据原始变量的信息进行重新组构，它能够反映原有变量大部分的信息。 （3）因子变量之间不存在线性相关关系，对变量的分析比较方便。 （4）因子变量具有命名解释性，即该变量是对某些原始变量信息的综合和反映。 对多变量的平面数据进行最佳综合和简化，即在保证数据信息丢失最少的原则下，对高维变量空间进行降维处理。显然，在一个低维空间解释系统，要比在一个高维系统空间容易得多。 英国统计学家Moser Scott在1961年对英国157个城镇发展水平进行调查时，原始测量的变量有57个，而通过因子分析发现，只需要用5个新的综合变量（它们是原始变量的线性组合），就可以解释95%的原始信息。对问题的研究从57维度降低到5个维度，因此可以