因子分析 SPSS研究报告.pptVIP

SPSS 与因子分析和主成份分析 SPSS 因子分析功能介绍 SPSS 因子分析应用实例 SPSS 因子分析和主成份分析 激活Statistics菜单Data Reduction的Factor命令项，可对多指标资料进行因子分析 Factor Analysis对话框 对话框上部左侧的变量列表中选变量，点击?钮使之进入Variables框 5个功能按钮： Factor Analysis对话框－ 控制选项 Descriptives : 描述统计量和初始分析结果 Extraction : 提取公因子方法，确定提取结果 Rotation : 因子旋转方法 Scores : 计算因子得分 Options : 进一步确定各种输出选项 输出各变量的均数与标准差 因子提取前公因子方差 计算相关系数矩阵 相关系数检验的显著性水平 相关系数矩阵的行列式 相关系数矩阵的逆矩阵 再生相关阵（因子分析后的相关阵）和残差（原始相关和再生相关的差值） 反映像相关阵 Bartlett 球形检验：检验相关矩阵是否是一个单位矩阵 Descriptives 按钮 KMO检验：用于比较观测相关系数值与偏相关系，其值愈逼近1，表明进行因子分析的效果愈好 Method:公因子提取方法（7种） Analyze:使用相关矩阵 还是 协方差矩阵进行因子分析 Extraction 按钮 Extract:控制提取结果判据－确定特征值范围 或 个数 Maximum…:因子分析最大迭代次数 Display: 旋转前因子提取结果;显示特征值变化的碎石图 Principal components：主成分分析法（默认方法）； Unweighted least squares：未加权最小平方法； Generalized least squares：综合最小平方法； Maximum likelihood：最大似然估计法； Principal axis factoring：主轴因子法； Alpha factoring：α因子法； Image factoring：映像因子法（多元回归法）。 因子提取方法 估计因子得分系数方法 Regression ：回归法，计算的因子得分均值为0，方差为1； Bartlett：巴特利特法，因子得分均值为0，方差为1； Anderson-Rubin：安德努－鲁宾法，为保证因子正交性而对巴特利特法的改进。因子得分均值为0，方差为1。 Scores 按钮 保存因子得分到数据窗口； 显示因子得分系数矩阵。 分析变量中含有缺测值的观测量全部剔除。 成对剔除带有缺测值的观测量。选择此项可最大限度利用得来不易的观测数据。 采用变量均值代替缺测值。 载荷系数按大小排列构成矩阵。 不显示哪些绝对值小于指定值得载荷系数，输入指定值范围0～1之间。 Options 按钮 描述统计量 因子分析结果（1） 分析变量的相关系数矩阵 分析变量的相关系数检验的显著性水平 分析变量的相关系数矩阵的行列式 因子分析结果（2） 公因子提取前后的方差 Initial：因子提取前各变量的公因子方差 Extraction：因子提取后各变量未旋转的公因子方差（即公因子载荷系数的平方和） 因子分析结果（3） 因子分析结果（4） 接上表 Components：各因子或主成份的序号。 Initial Eigenvalues：相关矩阵或协方差阵地特征值。 Extraction Sums of Squared Loadings：未旋转的因子提取结果，即各公因子载荷的平方和。 Rotation Sums of Squared Loadings：旋转后的因子提取结果，即各公因子载荷的平方和。 因子分析结果（4） 表现各特征值变化的碎石图。Y轴为特征值，X轴为特征值序号。 典型的碎石图会有一个明显的拐点，该点之前是与大因子连接的陡峭的折线，之后是与小因子连接的缓坡折线。 因子分析结果（5） 初始提取因子（未旋转）的载荷矩阵。根据该矩阵可写出各分析变量的因子表达式。 如： 总人口 ≈ 0.581f1 + 0.806f2 总雇员数≈ 0.672f1 + 0.726f2 因子分析结果（6） 再生相关阵：因子分析后的相关阵，即根据各变量公因子表达式计算的各变量值计算的相关系数。 残差：原始相关和再生相关的差值。 因子分析结果（7） 旋转后公因子的载荷矩阵。根据该矩阵可写出各分析变量的因子表达式。 如： 总人口 ≈ 0.016f1 + 0.994f2 总雇员数≈ 0.137f1 + 0.980f2 因子分析结果（8） 因子提取方法，因子旋转方法和旋转迭代次数。 因子旋转