主成分、因子分析报告步骤.docxVIP

WORD格式-专业学习资料-可编辑 --学习资料分享---- 实用文案 主成分分析、因子分析步骤 不同点 主成分分析 概念 具有相关关系的 p 个变量 ，经过 线性组合后成为 k 个不相关的新变量  因子分析 将原数据中多个可能相关的变量综合成少数几个不相关的可反映原始变量的绝大多数信息的综合变量 主要 减少变量个数， 以较少的主成分 找寻变量间的内部相关性及潜在的共同因素， 目标 来解释原有变量间的大部分变 适合做 数据结构检测 异，适合于 数据简化 强调 强调的是 解释数据变异的能力 ， 强调的是 变量之间的相关性 ，以协方差 为导向， 重点 以方差 为导向， 使方差达到最大 关心每个变量与其他变量共同享有部分的大小 最终结 形成一个或数个总指标变量 反映变量间潜在或观察不到的因素 果应用 变异解 它将所有的变量的变异都考虑 只考虑每一题与其他题目共同享有的变异，因 释程度 在内，因而没有误差项 而有误差项，叫独特因素 是否需 主成分分析作综合指标用， 因子分析 需要经过旋转 才能对因子作命名与解 要旋转 不需要旋转 释 是否有 只是对数据作变换， 故不需要假 因子分析对资料要求需符合许多假设，如果假 假设 设 设条件不符，则因子分析的结果将受到质疑 因子分析 【分析】→【降维】→【因子分析】 （1）描述性统计量（ Descriptives ）对话框设置 KMO和 Bartlett 的球形度检验（检验多变量正态性和原始变量是否适合作因子分析） 。 标准文档 实用文案 2）因子抽取（ Extraction ）对话框设置 方法：默认主成分法。 主成分分析一定要选主成分法 分析：主成分分析：相关性矩阵。 输出：为旋转的因子图 抽取：默认选 1. 最大收敛性迭代次数：默认 25. 3）因子旋转（ Rotation ）对话框设置 因子旋转的方法，常选择“最大方差法”。“输出”框中的“旋转解” 。 标准文档 实用文案 （ 4）因子得分（ Scores ）对话框设置 “保存为变量” ，则可将新建立的因子得分储存至数据文件中，并产生新的变量名称。 （5）选项（ Options ）对话框设置 结果分析 （1） KMO及 Bartlett ’ s 检验 KMO和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。 .515 Bartlett的球形度检验 近似卡方 3.784 df 6 Sig. .706 当 KMO值愈大 时，表示变量间的共同因子愈多， 愈适合作因子分析 。根据 Kaiser 的观 标准文档 实用文案 点，当 KMO＞ 0.9 （很棒）、 KMO＞ 0.8 （很好）、 KMO＞0.7 （中等）、 KMO＞0.6 （普通）、KMO＞ 0.5 （粗劣）、 KMO＜ 0.5 （不能接受） 。 （2）公因子方差 公因子方差 起始 撷取 卫生 1.000 .855 饭量 1.000 .846 等待时间 1.000 .819 味道 1.000 .919 亲切 1.000 .608 撷取方法：主体元件分析。 Communalities （称共同度）表示公因子对各个变量能说明的程度，每个变量的 初始公因子 方差都为 1，共同度越大，公因子对该变量说明的程度越大，也就是该变量对公因子的依赖 程度越大。 共同度低说明在因子中的重要度低 。一般的 基准是 0.4 就可以认为是比较低， 这时变量在分析中去掉比较好 。 （3）解释的总方差 说明的变异数总计 各因子的特征值 因子贡献率 因子累积贡献率 元件 总计 变异的 % 累加 % 总计 变异的 % 累加 % 总计 变异的 % 累加 % 1 2.451 49.024 49.024 2.451 49.024 49.024 2.042 40.843 40.843 2 1.595 31.899 80.923 1.595 31.899 80.923 2.004 40.079 80.923 3 .662 13.246 94.168 4 .191 3.823 97.992 5 .100 2.008 100.000 撷取方法：主体元件分析。 第二列：各因子的统计值 第三列：各因子特征值与全体特征值总和之比的百分比。也称因子贡献率。 第四列：累积百分比也称因子累积贡献率 第二列统计的值是 各因子的特征值 ，即各因子能解释的方差，一般的， 特征值在 1 以上就 是重要的因子 ；第三列 %是各因子的特征值与所有因子的特征值总和的比，也称 因子贡献 率；第四列是 因子累计贡献率 。 如因子 1 的特征值为 2.451 ，因子 2 的特征值为 1.595 ，因子 3,4,5 的特征值在 1 以下。因 子 1 的贡献率为 49.0%