第7章节 因子分析1.ppt

* 此页内容，来源自《何晓群 本科》P173、175。 * 此页内容，详见《郭志刚》P101，写的好。 * 此页第一、二段内容来自《王为民》、《高惠璇》。但是，标准也未必一直如此，例如吴喜之提供的学生偏科的例题，旋转后的A，各元素在列的方向上，就没有向0和1转化，而是向1和－1转化，也即，两个因子一个和文科正相关，另一个和理科成绩正相关，说明提取出的因子，一个是偏文科的因子，一个是偏理科的因子。 第三段内容是我自己总结。 * 尚待补充“斜交旋转”的内容 * 尚待加入“加权最小二乘法”，《王为民》P282 * 尚待加入“加权最小二乘法”，《王为民》P282 * 5.点击Scores按钮，设置因子得分的选项。选中Save as variables复选框，将因子得分作为新变量保存在数据文件中。选中Display factor score coefficient matrix复选框，这样在结果输出窗口中会给出因子得分系数矩阵。单击Continue按钮返回主界面。 6. 单击OK按钮，运行因子分析过程。 图7.5 Scores子对话框 * （二） 主要运行结果解释 1. Communalities（给出变量共同度） 变量共同度反映每个变量对所提取的所有公共因子的依赖程度，此数值是因子载荷阵中每一行的因子载荷量的平方和，提取的因子个数不同，变量共同度也不同。 2. Total Variance Explained（给出各公因子方差贡献表） Initial Eigenvalues给出初始相关矩阵或协差阵矩阵的特征值，用于确定哪些因子应该被提取，共有三项： Total列为各因子对应的特征值，本例中共有四个因子对应的特征值大于1，因此应提取相应的四个公因子；% of Variance列为各因子的方差贡献率；Cumulative %列为各因子的累积方差贡献率，由表7.1可以看出，前四个因子已经可以解释89.651%的方差。 Rotation Sums of Squared Loadings给出提取出的公因子经过旋转后的方差贡献情况。 * 表7.1 特征根与方差贡献率表 * 表7.2 旋转前因子载荷阵 * * 表7.3 旋转后因子载荷阵 * * * 表7.4 因子得分系数矩阵 * 注意：在因子表达式中的各变量为进行标准化变换后的标准变量，均值为0，标准差为1。 7. 由于我们已经在Scores子对话框中选择了Save as variables复选框，因此，因子得分已经作为新的变量保存在数据文件中，变量名分别为fac1_1、fac2_1、fac3_1和fac4_1。此后，我们还可以利用因子得分进行其他的统计分析。 * 本章结束 * 参考：《SPSS 10_0 for Windows在经济管理中的应用》P237；《张文彤》P190；《何晓群 硕士教材》P316 * 招聘例题的操作全过程，见： 《SPSS 10_0 for Windows在经济管理中的应用》P250 * 详细的介绍，见： 《SPSS 10_0 for Windows在经济管理中的应用》P240。我觉得写的好 * Xi是纯量，随机变量 * 7.4、7.5式非常重要，它是因子模型成立的重要条件，求解因子模型，实际就是以这个公式为条件，求解因子载荷矩阵A（只要能满足这个公式，A就是因子模型的因子载荷矩阵！这是后文主成分法的方法论）需要反复给学生强调。 * 因子的旋转 * 需要注意的是，此处所说的因子模型不受单位影响，是指单位变化了，因子模型同主成分分析一样， * 相关内容，参考《王为民》P269 * 1、上一章讲主成分的性质时，性质5将的也是类似内容，主成分情况下，变量共同度＝1，注意，主成分时，无论X是否标准化，共同度都为1。而在因子分析时，只有当X已经标准化时，共同度才为1。 2、《郭志刚》P100，将共同度，称为“公因子方差” * 主成分的性质5：因子载荷矩阵中任意一行的p个相关系数，其算术平方和等于1。 * 这个概念，在讲主因子法时，用到。 * 1、估计值D尖的作用，其实有点像平衡项的作用，等于等式左边的Sigma尖矩阵里对角线元素减去等式右边的AA‘矩阵对角线元素。 2、最后一个公式的正面，《王学民》P297习题有提示。 * SPSS文档：6.1.sav * 答案，因为性质1，主成分的方差，（也即它能够在多大程度上承载全部原始变量的信息），也就是它的特征值！ * 为何第六个主成分没有给出？我理解，是因为第六个主成分的作用太微弱了。看它的贡献率，仅为2％ * 1、此节为《朱建平》P113，其实是《高惠璇》《王为民》中所讲的“主因子法”，他们的教材中单独介绍了主成分法。所以这种方法又称主