SPSS学习系列31.因子分析.docxVIP

31.因子分析 一、基本原理 因子分析，是用少数起根本作用、相互独立、易于解释通常又是 不可观察的因子来概括和描述数据， 表达一组相互关联的变量。通常 情况下，这些相关因素并不能直观观测。 因子分析是从研究相关系数矩阵内部的依赖关系出发， 把一些具有错 综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析 方法。简言之，即用少数不可观测的隐变量来解释原始变量之间的相 关性或协方差关系。 因子分析的作用是减少变量个数，根据原始变量的信息进行重组，能 反映原有变量大部分的信息；原始部分变量之间多存在较显著的相关 关系，重组变量（因子变量）之间相互独立；因子变量具有命名解释 性，即该变量是对某些原始变量信息的综合和反映。 主成分分析是因子分析的特例。主成份分析的目标是降维，而因子分 析的目标是找出公共因素及特有因素，即公共因子与特殊因子。 因子分析模型在形式上与线性回归模型相似，但两者有着本质的区 别：回归模型中的白变量是可观测到的， 而因子模型中的各公因子是 不可观测的隐变量，而且两个模型的参数意义也不相同。 得到估计的因子模型后，还必须对得到的公因子进行解释。即对每个 公共因子给出一种意义明确的名称，用来反映在预测每个可观察变量 中这个公因子的重要性。该公因子的重要程度就是在因子模型矩阵中 相应于这个因子的系数。 由于因子载荷阵不惟一，故可对因子载荷阵进行旋转。目的是使因子 载