因子分析 SPSS学科介绍课程讲述.pptVIP

SPSS 与因子分析和主成份分析;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：;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 ;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;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）。;None：不作因子旋转； Varimax：方差最大正交旋转。使得每个因子上具有高载荷的变量数最小，简化对因子的解释。 Quartimax：四次最大正交旋转。使得每个变量中需要解释的因子数最小，简化对变量的解释。 Equamax：平均正交旋转， Varimax 和Quartimax 方法的结合。使得在一个因子上有高载荷变量数和变量中需要解释的因子数最小，简化对因子和变量的解释。 Direct Oblimin：直接斜交旋转。输入一个数值Delta，越接近0，斜交程度越深，0值产生最高相关因子; Delta最大取值为0.8。 Promax：斜交旋转，允许因子彼此相关，比直接斜交旋转更快。;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。;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。;描述统计量;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;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）;;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。; 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。;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;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。;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; 因子旋转的转换矩阵。初始因子载荷阵乘以转换矩阵，得到旋转后的公因子载荷阵;旋转后的因子载荷图。分别以第1和第2主因子为X和Y轴，根据旋转后的因子载荷矩阵作图。;因子得分系数矩阵。以该矩阵，根据分析变量的观测值计算因子得分。 如：f1 ≈ -0.091总人口 + 0.392中等校平均校龄－0.039总雇员数＋0.299专业服务项目数＋0.403中等房价;因子得分的协方差阵。可看出因子之间是正交的。;数据窗口中以新变量保存的因子得分信息;美国洛杉矶12个人口调查区调查的数据（5个指标）－练习 人口.sav;美国洛杉矶12个人口调查区调查的数据（5个指标）－练习 人口.sav