因子分析步骤范例.docxVIP

因子分析步骤

例来源：语言研究应用SPSS软件实例大全

某对外汉语培训中心对在该中心学习的外国留学生进行了一项汉语学习动机问卷调查。使用克特五级式量表。第一级为最不喜欢，第五级为最喜欢。随机抽取18人参加调查。其中—个项目调查的是“在动机”或称“在兴趣动机”，了解留学生对汉语语言、文化的兴迎与喜爱。该项目分为六个问题。

整理数据如下

学生

问题1

我喜欢汉语本身

问题2

我对汉语学

习有天生的兴趣

问题3

我非常欣赏汉语的书法

问题4我喜爱汉语歌曲

问题5我喜欢汉语戏

剧

问题6我喜欢汉语文

学

问题7

我喜欢汉语文化

1.

2

2

4

4

2

5

4

2.

3

3

3

4

5

4

3

3.

3

3

4

3

4

4

2

4.

2

4

4

2

3

4

1

5.

2

2

4

3

2

4

2

6.

2

5

3

4

3

3

3

7.

3

2

3

5

4

3

4

8.

3

3

5

5

5

4

5

9.

2

1

4

4

5

4

4

10.

3

2

4

3

4

5

3

11.

4

4

3

3

4

4

2

12.

2

1

5

4

3

5

1

13.

1

3

5

5

4

4

2

14.

3

3

4

4

4

4

3

15.

4

2

4

5

5

3

5

16.

4

2

4

4

5

5

3

17.

1

5

5

4

3

4

3

18.

2

3

5

5

2

3

5

建立数据集一、

建立数据集

二、 打开Factoranalysis主对话框

Analyze(分析)—Detareduction（数据化简）--factor（因素）

所有数据放入variable框

三、进入Factoranalysis主对话框右边的子对话框(一)Descriptive子对话框

选择Univariables(单变量描述统计量)：会输出每个变量的平均数、标准差和观测量

２．选择Initialsolution(初步结果)：会输出原始分析结果：公因子方差、协方差、各因子的特征值、所占总方差的百分比、累计百分比。这是默认系统，应该保留。

CorrelationMatrix(相关矩阵)围栏，选项含可选择的相关指标与相关检验: 常常选择（１）（４）

coeffieient(相关系数)，列出各变量间的相关系数矩阵。

（２）Significancelevel(显著性水平)，列出各变量单侧检验的P值。

（３）Determinant(行列式)选项，输出相关系数矩阵的行列式。

（４）KMOandBarlett’stestsofsphericity(开塞－梅耶－欧巴金和巴莱特球性检验)选项(K-Kaiser,M-Meyer,O-Olkin):列出球性检验的结果，显示因素模型是否合理。

（５）Inverse(逆矩阵)：列出相关系数的逆矩阵。

（６）Reproduced(在生相关矩阵)，列出因子分析后估计的相关矩阵与残差。

（７）Anti(逆影像)：列出包括相关系数的负值，包括方差 的负值的逆影像方差矩阵。

（二）Extraction(提取因子)子对话框。

Method：七种方法区别不大。用默认Principalcomponents(主成分分析法)：从解释变量的变异出发，使变异的方差能够被主成分所解释，主要用于获得初始因子的结果。

Analyze围栏：

Correlationmatrix(变量间相关矩阵)。保留默认。

Covariancematrix(变量间协方差矩阵)

Display围栏（输出结果）

a.Unrotatedfactorsolution（显示未经旋转变化的因子提取结果）

Scree plot(碎石图)：横轴为因子序号，纵轴表示特征值大小。该图按特征值大小依次排列因子，可以看出哪些是主要因子。MaximumIterationsforconvergence(收敛最大迭代次数)

Extract（设定公因子提取标准）围栏：

Eigenvaluesover(以特征大于莫数值为提取标准)。保留默认选择系统默认值1.

Numberoffactors(自提取因子的数量)。保留默认选择值1.

Maximumiterationsforconvergence(收敛最大迭代次数)，保留默认选择25.

Rotation（旋转）

method.选择Varimatrix(正交旋转法)

Display（输出结果显示）

Rotatedsolution（旋转解法）：正交旋转，输出旋转后的模式矩阵和因子转换矩阵。

Loading plot(载荷散点图：三维图：坐标值为因子值，各个变量以三点形式分布其中，可以直观了解变量与因子之间的关系。

Scores(因子得分)。