教育统计学第十一章_因素分析教材教学课件.ppt

C. E. Spearman（1863-1945）因子分析之父——英国理论和实验心理学家斯皮尔曼;第十二章 因子分析;本章内容;一、基础数学知识;资料;相关矩阵;单位矩阵;坐标的旋转;;（四）特征值和特征向量;（六）对矩阵的补充知识;;二、因子分析的基本概念和原理;例如;（一）上述测量的结果两两相关系数不等于0，说明这些测量（x1、x2、x3）所测到的东西其实“你中有我，我中有你”，它们之间彼此并不独立。 （二）将3项测量的结果都进行标准化，那么标准分数的方差就都等于1。如果把每一个标准化了的方差都看作为一个长度为1的单位矢量，那么两个变量之间的相关系数就是一个矢量在另一个矢量上的投影，或者说，就是这两个矢量夹角的余弦。 特殊情况： １、如果两项测量结果的相关系数等于１或－１，可以把这两项测量理解为两个指向相同或相反的平行矢量，也就是说两项测量测到的其实是同一种品质，充其量只是所采用的测量单位、标尺的取向不同而已； ２、如果两项测量结果的相关系数等于０，则可以把两项测量理解为相互正交（垂直）的两个矢量，即，两项测量所测到的确实是与线性无关的两种“独立”品质。 ;由表12-1的相关矩阵不难发现：x1与x2之间的夹角为cos-1(0.766)=40o；x2与x3之间的夹角为cos-1(0.866)=30o；而x1与x3之间的夹角为cos-1(0.342)=70o，它就等于x1与x2的夹角加上x2与x3的夹角之和。 也就是说，这三个矢量是落在一个平面上的，而并非真正的三维矢量。 以如此三个矢量为例，形象地说，因子分析的任务是要找出这一个平面，即建立起一个恰当的二维坐标系，那么，用两个因子就足以说明原来那3个测量所测量到的东西。而原来的3个单位矢量，它们在该平面的二维坐标上的投影平方总和就等于3，也就是说，只要用3个矢量在这二维坐标系上的坐标值就可以完全还原出这3个矢量之间的相互关系（相关系数）。 3个并非落在一个平面上的单位矢量，只要它们确实分布于某一平面附近，那么，它们在该平面的二维坐标上的投影的平方总和虽然不到3 ，但却非常的接近于3，因此，只要建立起该平面的二维坐标系，用3个矢量在这个二??坐标系上的投影（坐标值）就可以相当准确地还原出这3个矢量之间的关系，或是说，用两个因子就可以解释观察对象在3个原测量上所表现出来的差异的绝大部分。 更为一般地，对于p个原测量而言，因子分析就是在寻求建立一个m（mp）维坐标系，力求用尽可能少的潜在变量最大限度地去解释观察对象在众多原测量中所表现出来的差异。 ; 假如从p个变量的数据文件进行因子分析得到m个共同因子，那么 m 个共同因子的变化可以解释各个变量的大部分变异 ，换句话说，用这 m 个因子可以在相当程度上预测每一个变量的变化。于是得到下列回归方程组：;几个重要概念：;三、因子分析的基本步骤;（一） 确定原有若干变量是否适合于因子分析;巴特利特球形检验（Bartlett Test of Sphericity）;KMO（ Kaiser-Meyer-Olkin ）检验;2.构造因子与因子载荷的求解;3.因子变量的命名解释;4.计算因子得分;因子分析实例;;;;;; 第一因子得分 第二因子得分;四、因子分析的SPSS过程; 第三步: 点击“Extraction”打开对话框设置因子提取方式。在界定因子提取方法中需要设置以下几个方面的参数： (1) 因子构造方法 ：大多数情况下认为因子是变量的线性组合，所以使用最多的是主成分分析法（Principal components）; (2) 提取因子数（选中 Number of factors 后输入一个因子数），如果还无法确定可以不设定因子数，先以默认状态进行尝试性分析； (3) 在“Display”下选中“Unrotated factor solution”和 “Scree plot”以输出未经旋转的因子载荷矩阵、碎石图。执行之后根据输出信息确定提取因子数，比如根据碎石图来确定；; 第四步：点击“Rotation”按钮打开选择因子载荷矩阵的旋转方法。一般使用最多的是正交旋转（选中Varimax）或斜交旋转方法（选中Promax）,其中斜交旋转速度快，大样本时多选此方法。同时可选中“Rotated solution”和 “Loading plot(s)”，以输出旋转后因子旋转矩阵、载荷散点图。; 第六步：点击“Options”设置因子载荷系数的显示格式: (1) 选中“Sorted by size”，则因子载荷系