教学课件 多元统计分析.ppt

第三节 相应分析的基本理论 一 原始资料的变换 二 基于矩阵的分析过程 我们知道相应分析的主要目的是寻求列联表行因素A和列因素B的基本分析特征和它们的最优联立表示。为了实现行因素A与列因素B最优联立表示，进一步剖析行因素A内部之间，列因素B内部之间，以及因素A和列因素B之间的关系，这里将介绍原始的列联资料K=(kij) r ?c变换成矩阵Z=(zij) r ?c的具体过程，这样使得zij对因素A和列因素B具有对等性，在此基础上进行相应分析。 一、原始资料的变换 二、基于矩阵的分析过程 一、利用SPSS进行因子分析 （一） 操作步骤 1. 在SPSS窗口中选择Analyze→Data Reduction→Factor，调出因子分析主界面图(7.1)，并将变量X1—X13移入Variables框中。 图7.1 因子分析主界面 2. 点击Descriptives按钮，展开相应对话框，见图7.2。选择Initial solution复选项。这个选项给出各因子的特征值、各因子特征值占总方差的百分比以及累计百分比。单击Continue按钮，返回主界面。 图7.2 Descriptives子对话框 3. 点击Extraction按钮，设置因子提取的选项，见图7.3。在Method下拉列表中选择因子提取的方法，SPSS提供了七种提取方法可供选择，一般选择默认选项，即“主成分法”。在Analyze栏中指定用于提取因子的分析矩阵，分别为相关矩阵和协方差矩阵。在Display栏中指定与因子提取有关的输出项，如未旋转的因子载荷阵和因子的碎石图。在Extract栏中指定因子提取的数目，有两种设置方法：一种是在Eigenvalues over后的框中设置提取的因子对应的特征值的范围，系统默认值为1，即要求提取那些特征值大于1的因子；第二种设置方法是直接在Number of factors后的矩形框中输入要求提取的公因子的数目。这里我们均选择系统默认选项，单击Continue按钮，返回主界面。 图7.3 Extraction子对话框 4.点击Rotation按钮，设置因子旋转的方法。这里选择Varimax(方差最大旋转)，并选择Display栏中的Rotated solution复选框，在输出窗口中显示旋转后的因子载荷阵。单击Continue按钮，返回主界面。 图7.4 Rotation子对话框 5.点击Scores按钮，设置因子得分的选项。选中Save as variables复选框，将因子得分作为新变量保存在数据文件中。选中Display factor score coefficient matrix复选框，这样在结果输出窗口中会给出因子得分系数矩阵。单击Continue按钮返回主界面。 6. 单击OK按钮，运行因子分析过程。 图7.5 Scores子对话框 （二） 主要运行结果解释 1. Communalities（给出变量共同度） 变量共同度反映每个变量对所提取的所有公共因子的依赖程度，此数值是因子载荷阵中每一行的因子载荷量的平方和，提取的因子个数不同，变量共同度也不同。 2. Total Variance Explained（给出各公因子方差贡献表） Initial Eigenvalues给出初始相关矩阵或协差阵矩阵的特征值，用于确定哪些因子应该被提取，共有三项： Total列为各因子对应的特征值，本例中共有四个因子对应的特征值大于1，因此应提取相应的四个公因子；% of Variance列为各因子的方差贡献率；Cumulative %列为各因子的累积方差贡献率，由表7.1可以看出，前四个因子已经可以解释89.651%的方差。 Rotation Sums of Squared Loadings给出提取出的公因子经过旋转后的方差贡献情况。 表7.1 特征根与方差贡献率表 表7.2 旋转前因子载荷阵 表7.3 旋转后因子载荷阵 注意：在因子表达式中的各变量为进行标准化变换后的标准变量，均值为0，标准差为1。 7. 由于我们已经在Scores子对话框中选择了Save as variables复选框，因此，因子得分已经作为新的变量保存在数据文件中，变量名分别为fac1_1、fac2_1、fac3_1和fac4_1。此后，我们还可以利用因子得分进行其他的统计分析。 表7.4 因子得分系数矩阵 二、因子分析在市场研究中的应用 表7.5是研究消费者对购买牙膏偏好的调查数据。通过市场的拦截访问，用7级量表询问受访者对以下陈述的认同程度（1表示非常不同意，7表示非常同意）。 V1：