探索性研究定性研究.pptVIP

因子分析法简介 因子分析的基本思想 因子分析的基本概念 因子分析的基本概念 因子分析的基本概念 因子分析的基本概念 因子分析的基本概念 因子分析的主要步骤 因子分析的主要步骤 因子分析的主要步骤 因子分析的主要步骤 因子分析的主要步骤 因子分析的主要步骤 因子分析的主要步骤 因子分析的主要步骤 * * F1 X1 X5 X8 F2 X2 X4 X6 X9 F3 X7 X11 F4 X10 X13 X14 F5 X3 X12 14个变量简化为5个因子 相关矩阵：所有原始变量间的相关系数 公共因子：Fj可以表示成原始变量的线性组合。 在较大程度上代表了原始变量的潜在 维度或结构 因子负荷：aij等于原始变量Xi与因子Fj之间的相 关，因子负荷的平方表示Xi的方差能 被 Fj解释的比例 共同度：一个原始变量的方差能被所有公共因子解 释的部分所占的比例 特征根：表示某个因子所能解释的方差，这个方差 所占的比例称为该因子的贡献率 因子旋转：调整因子轴的过程，目的是得到更简单 更有实际意义的因子分析解 正交因子旋转：保持因子轴两两相交成直角，每个 因子都与其他因子相互独立，相 关为0 X1 X2 X3 X4 X1 X2 X3 X4 F1 F2 F1’ F2’ 方差最大旋转：最常用的正交因子旋转法 因子得分：每一个个案在公因子组成的坐标系中的 坐标 O型因子分析：根据被访者或观测个案在某些特征 上的相似性，从而形成一定个体组 群的因子分析。 R型因子分析：根据原始观测变量间的关系，从而 形成潜在维度，识别变量组群的因 子分析 巴特勒特球体检验：检验总体中原始变量间相关的 显著性。 步骤1：确定因子分析研究的问题 1、识别数据结构 2、简化数据 步骤2：设计因子分析 1、考察变量间的相关 2、变量的选择和度量问题 数值型或0-1变量 尽可能使关键变量与假设的潜在因子 密切相关 步骤1：确定因子分析研究的问题 1、识别数据结构 2、简化数据 步骤2：设计因子分析 1、考察变量间的相关 2、变量的选择和度量问题* 数值型或0-1变量 3、样本量：是分析变量的5-10倍 步骤3：因子分析的假定或前提条件 巴特勒特球体检验 MSA(measure of sampling adequacy) MSA0.8：非常好 MSA0.7：中上 MSA0.6：中等 MSA0.5：不太好 MSA0.5：不能接受 步骤4：抽取因子 1、主因子分析和主成分因子分析 当大多数变量的共同度〉0.6时，结果一致 2、抽取因子个数的确定规则 特征根原则 事先确定准则 碎石检验准则 步骤5：解释因子的意义 1、因子旋转 方差最大法 2、因子负荷的显著性 实用上的显著性 负荷0.3：最低要求 0.4：有一定的重要性 0.5：实用上的显著性 步骤5：解释因子的意义 3、考察因子负荷矩阵-意义 -考察行