matlab_spss做因子分析_主元分析_factor_analysis_学习笔记.doc

目录 1 目录 1 2 说明 2 3 理论 3 3.1 因子分析的基础 3 3.2 因子分析步骤 5 3.3 主成分分析分析与因子分析的联系和差异： 5 4 SPSS的因子分析 6 4.1 SPSS 6 4.1.1 SPSS的语言设置 6 4.2 例题1：媒体使用调查 7 4.2.1 建立数据文件 7 4.2.2 因子分析Factor 9 4.2.2.1 选择分析变量 9 4.2.2.2 设置描述性统计量 10 4.2.2.3 设置对因子的抽取选项 11 4.2.2.4 设置因子转轴 12 4.2.2.5 设置因素得分 13 4.2.2.6 设置因子分析的选项 14 4.2.3 报告解读 15 4.2.3.1 相关性矩阵 15 4.2.3.2 KMO 和 Bartlett 的检验 15 4.2.3.3 共同度检查 16 4.2.3.4 PCA的碎石图scree plot 17 4.2.3.5 方差贡献率检验 18 4.2.3.6 显示未转轴的因子矩阵 19 4.2.3.7 分析转轴后的因子矩阵：因子与变量之间的计算式 20 4.2.3.8 . 形成综合分析结果 21 4.2.3.9 成份转换矩阵 22 4.2.3.10 成份得分系数矩阵 23 4.2.3.11 因子矩阵与旋转因子矩阵的说明 24 5 MATLAB的因子分析与SPSS的比较 26 5.1 概述 26 5.2 数据 26 5.3 SPSS 26 5.4 MATLAB 29 说明 [本文档在WEB版式视图中完成，请切换成web板式] 打开“文档结构图”或者打开“导航窗格”，阅读更清楚。 2012.12.01：初稿。haslong@USD 理论 因子分析的基础 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。 但消费者主要关心的是三个方面，即商店的环境、商店的服务和商品的价格。因子分析方法可以通过24个变量，找出反映商店环境、商店服务水平和商品价格的三个潜在的因子，对商店进行综合评价。而这三个公共因子可以表示为： 称是不可观测的潜在因子,称为公共因子。24个变量共享这三个因子，但是每个变量又有自己的个性，不被包含的部分 ，称为特殊因子 因子分析模型 因子负荷量（或称因子载荷）----是指因子结构中原始变量与因子分析时抽取出的公共因子的相关程度。 共同度----又称共性方差或公因子方差（community或common variance）就是变量与每个公共因子之负荷量的平方总和（一行中所有因素负荷量的平方和）。变量xi的共同度是因子载荷矩阵的第i行的元素的平方和（反应Xi被提取的信息？） 记为 特殊因子方差（剩余方差）----各变量的特殊因素影响大小就是1减掉该变量共同度的值 特征值----是第j个公共因子Fj对于X*的每一分量Xi*所提供的方差的总和。又称第j个公共因子的方差贡献。即每个变量与某一共同因素之因素负荷量的平方总和（ 方差贡献率----指公共因子对实测变量的贡献，又称变异量 方差贡献率=特征值G/实测变量数p 因子分析步骤 标准化 相关性分析：判定因子分析是否合适 因子提取和因子载荷矩阵求解 计算因子得分： 主成分分析分析与因子分析的联系和差异： 联系：（1）因子分析是主成分分析的推广，是主成分分析的逆问题。（2）二者都是以‘降维’为目的，都是从协方差矩阵或相关系数矩阵出发。 区别：（1）主成分分析模型是原始变量的线性组合，是将原始变量加以综合、归纳，仅仅是变量变换；而因子分析是将原始变量加以分解，描述原始变量协方差矩阵结构的模型；只有当提取的公因子个数等于原始变量个数时，因子分析才对应变量变换。（2）主成分分析中每个主成分对应的系数是唯一确定的；因子分析中每个因子的相应系数即因子载荷不是唯一的。（3）因子分析中因子载荷的不唯一性有利于对公因子进行有效解释；而主成分分析对提取的主成分的解释能力有限。 SPSS的因子分析 SPSS SPSS的语言设置 菜单edit-options，如下图 例题1：媒体使用调查 建立数据文件 问题 题 项 从未 使用 很少 使用 有时 使用 经常 使用 总是 使用 1 2 3 4 5 A1 电脑 A2 录音磁带 A3 录像带 A4 网上资料 A5 校园网或因特网 A6 电子邮件 A7 电子讨论网 A8 CAI课件 A9 视频会议 A10 视听会议 样本编号 A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 1 1 5 5 1 1 1 1 1 1 1 2 2 5 5 2