因子分析(研究生课程).ppt

因子分析 暨南大学管理学院企业管理系 陈晓曦 历史 1947年，美国统计学家Stone关于国民经济的研究。 1927-1938年的数据，得到了17个反映国民收入与支出的变量， 后来通过因子分析发现，只需要用3个新的综合变量，就可以解释95%的原始信息。 总收入 总收入率 积极发展或衰退趋势 案例 在企业形象或品牌形象的研究中，消费者可以通过一个有24个指标构成的评价体系，评价百货商场的24个方面的优劣。 概念 因子变量（公共因子）：F 因子负荷 特殊因子：相当于残差 变量共同度 公共因子的方差贡献率 （三）因子旋转（正交变换） 建立了因子分析数学目的不仅仅要找出公共因子以及对变量进行分组，更重要的要知道每个公共因子的意义，以便进行进一步的分析，如果每个公共因子的含义不清，则不便于进行实际背景的解释。由于因子载荷阵是不惟一的，所以应该对因子载荷阵进行旋转。目的是使因子载荷阵的结构简化，使载荷矩阵每列或行的元素平方值向0和1两极分化。有三种主要的正交旋转法、四次方最大法、方差最大法和等量最大法。 （四）因子分析的步骤 确定待分析的原有若干变量是否适合于因子分析 构造因子变量 主成分分析法 利用旋转使得因子变量更具可解释性 计算因子变量得分 因子得分的概念 确定待分析的原有若干变量是否适合于因子分析 原有变量之间要有较强的相关 计算变量之间的相关系数矩阵，如果大部分的相关系数都小于0.3，且未达到显著，那么这些变量不适合进行因子分析。 SPSS提供的检验方法 Bartlett球形检验——依据相关矩阵 零假设：原有变量的相关系数矩阵是单位阵（对角线为1，其余为0），如果相关系数矩阵的行列式较大，适合作因子分析。 KMO（Kaiser-Meyer-Olkin）检验——比较相关与偏相关 取值：0~1 越接近于1，则所有变量之间的简单相关系数平方和远大于偏相关系数平方和，因此适合作因子分析。 0.9KMO：非常适合 0.7KMO0.8：一般 KMO0.5：不适合 反映像相关矩阵检验 以变量的偏相关系数矩阵为出发点，将偏相关系数矩阵的每个元素取反，得到反映像相关矩阵。如果变量之间存在较多的重叠影响，那么偏相关系数就会较小。 因此如果反映像相关矩阵中有些元素的绝对值较大，那么说明这些变量不适合于因子分析。 SPSS实现 Factor过程的选择项 FACTOR过程的选择项共分为五类，分别使用主对话框中的五个子对话框按钮展开相应的子对话框进行选择。 Descriptives 展开相应的子对话框可以选择单变量的描述统计量和初始分析结果。 Extraction 展开相应的子对话框可以选择不同的提取公因子的方法和控制提取结果的判据。 Rotation 展开相应的子对话框可以选择因子旋转方法。 Scores 展开相应的子对话框可以要求计算因子得分，选择显示或作为新变量保存。 Options 展开相应的子对话框可以进一步选择各种输出项。 1、Descriptives子对话框中的选择项 Descriptives子对话框。描述统计量分的选择项为两组： （1）Statistics统计量组，共有两项供选择： ①Univariate 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。 ②Initial solution初始分析结果，选择此项可以给出原始变量的公因子方差、与变量数相等的因子、各因子的特征值、各因子特征值占总方差的百分比以及累积百分比。 （2）Correlation Matix 相关矩阵组 ①Coeffients 相关系数选择此项给出原始变量间的相关系数矩阵。这是分析的基础。 ②Significance 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的设检验的概率水平。 ③Determinant 相关系数矩阵的行列式。 ④Inverse 相关系数矩阵的逆矩阵。 ⑤ 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，即原软关与再生相关之间的差值。 ⑥ Anti-image 反映像相关阵。包括偏相关系数的负数；反映像协方差阵，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。 ⑦ KMO and Bartletts 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球形检验，检验的书相关阵是否是单位阵。它表明因子模型是否是不合适宜的。 Continue按钮确认选择，返回主对话