主成分分析及因子分析.pdfVIP

主成分分析与因子分析 ——SPSS上机操作 2011-12-13 一、主成分分析 � 1. 每个主成分都是原始变量的线性组合 � 2. 可以从样本的协方差阵或相关阵出发求主成分， 用样本相关阵，可以避免由于各变量量纲不同而产 生的问题。在SPSS中自动完成对原始变量进行标准 化，再用样本协方差阵（即相关阵）求主成分。 � 3.原始变量的方差总和＝未标准化的特征根之和 标准化后的原始变量的方差总和＝原始变量个数 二、因子分析选项说明 � 1. 进入界面 � 2. 因子分析主对话框 � 3. 将要进行因子分析的变量移到Variables框中 4. Descriptives (1) Statistics (1) Statistics � ((11)) SSttaattiissttiiccss 统计量 � Univariate descriptives ：输出原始变量的均值、标准等 � Initial solution：给出因子提取前，分析变量的公因子方差。对主成分 分析来说，这些值是分析变量的相关或协方差矩阵的对角元素；对因 子分析来说，是每个变量用其他变量作预测因子的载荷平方和。 (2) Correlation Matrix (2) Correlation Matrix � ((22)) CCoorrrreellaattiioonn MMaattrriixx 相关矩阵 � Coefficients：给出原始变量间的相关系数矩阵； � Significance levels：给出每个相关系数相对于0的单尾假设检验的显著 性水平； � Determinant：给出相关系数矩阵的行列式 � Inverse：给出相关系数矩阵的逆矩阵 � Reproduced：再生相关矩阵 � Anti-image：给出反映象相关矩阵，包括偏相关系数的负数；反映象协 方差矩阵 ，包括偏协方差的负数。一个好的因子模型，除了对角线上 的系数 较大外，远离对角线上的元素的系数应该比较小 � KMO and Bartlett’s test of sphericity： 要求进行KMO检验和球形Bartlett 检验。KMO检验变量间的偏相关是否很小； Bartlett检验数据是否适合 做因子分析。 5. Extraction (1) Method (1) Method � ((11)) MMeetthhoodd因子提取方法选项 � Principal components：主成分法，该方法假设变量是因子的纯线 性组合，假设特殊因子作用可以忽略不计； � Unweighted least square：不加权最小平方法，它使观测的和再 生相关矩阵之差的平方和最小，不计对角元素； � Generalized least squares：用变量值的倒数加权，使观测的和再 生的相关矩阵之差的平方和最小； � Maximum Likelihood：极大似然法，该方法不要求多元正态分 布。 � Principal Axis factoring：使用多元相关的平方作为对公因子方差 的初始估计。 � Alpha factoring：α因子提取法 � Image factoring： 映象因子提取法 � (2) Analyze指定分析矩阵 (2) Analyze ((22)) AAnnaallyyzzee �Correlation matrix：使用变量的相关矩阵进行提取因子的分析。如果 参与分析的变量的测量单位不同时，应该选择此项； �Covariance matrix：使用变量的协方差矩阵进行提取因子的分析。如 果参与分析的变量测量单位相同的，可以选择此项； � (3) Extract选择控制提取进程和提取结果，决定提取因子的个数 (3) Extract ((33)) EExxttrraacctt � Eigenvalues over：指定提取的因子应该具有的特征值范围，系统默认 提取特征值大于1的因子； � Number of factors：指定提取