数学建模因子分析.pptVIP

用SPSS进行因子分析第1步选择【Analyze】?【DataReduction-Factor】?主对话框。将所有原始变量选入【Variables】第2步点击【Descriptives】?【correlationMatrix】?【KMOandBartlett’stestofsphericity】(其他选项根据需要)?【Continue】第3步点击【Extraction】，在【Method】框中选择因子的提取方法(本例使用隐含的Principalcomponents)；在【Extract】中输入选择因子的最小特征根(隐含的是特征根大于1)；在【Display】下选择【ScreePlot】?【Continue】第4步点击【Rotation】，在【Method】框中选择因子旋转方法(隐含的不旋转，本例选择【Varimax】)；在【Display】下选择【LoadingPlot】?【Continue】第5步点击【Scores】，并选中【DisplayfactorScorecoefficientmatrix】(SPSS隐含的估计因子得分系数的方法是Regression)?【Continue】?【OK】?数据的相关性检验因子分析

(实例分析)KMO检验和Bartlett球度检验01Bartlett球度检验统计量为277.025。检验的P值接近0。表明6个变量之间有较强的相关关系。而KMO统计量为0.695，接近0.7。适合作因子分析01用SPSS进行主成分分析第1步选择【Analyze】下拉菜单，并选择【DataReduction-Factor】，进入主对话框第2步在主对话框中将所有原始变量选入【Variables】第3步点击【Descriptives】，在【correlationMatrix】下选择【Coefficirnts】，点击【Continue】回到主对话框第4步点击【Extraction】，在【Display】下选择【ScreePlot】，点击【Continue】回到主对话框第5步点击【Rotation】，在【Display】下选择【LoadingPlot】，点击【Continue】回到主对话框点击【OK】单变量描述统计分析。输出单变量的基本统计量，包括每个变量的均值、标准差及其有效例数初始解。默认选项。输出因子分析的初始解，显示初始公共因子方差、特征值及其解释变量的百分比。1、相关系数矩阵；2、显著性水平；3、相关系数矩阵的行列值；4、相关系数矩阵的逆矩阵；5、再生相关系数矩阵。输出因子分析的估计量相关系数矩阵，并显示参差值，即原始相关系数矩阵与再生相关系数矩阵之间的差值；6、反映射相关系数矩阵。包括负片相关系数矩阵。反映射相关系数矩阵的对角线可以显示变量的抽样适度测试值KMO和球形Bartlett检验。收敛的最大迭代次数非旋转因子解。要求显示未经旋转的因子载荷、公共因子方差和特征值；选择和因子提取方法有关的输出选项：选择和因子提取方法有关的输出选项：碎石图。每个因子的方差图，该图利用特征值为两个坐标轴。碎石图可以决定保留因子的数量提取因子的准则：特征值：该选项指定因子的特征值；指定提取公因子的数目。分析矩阵选项：协方差矩阵。指定利用分析变量的协方差矩阵为提取因子的依据。分析矩阵选项：相关系数矩阵。用于指定利用分析变量相关矩阵为提取因子的依据，当参与分析的变量测度单位不同时，选择该选项不进行旋转；方差最大正交旋转法；直接斜交旋转方法；四分位最大正交旋转法；等量正交旋转法；斜交旋转法因子旋转方式：旋转解；因子载荷散点图。输出与因子旋转相关的信息：SPSS的输出结果各变量之间的相关系数矩阵变量之间的存在较强的相关关系，适合作主成分分析SPSS的输出结果

(选择主成分)表3各主成分所解释的原始变量的方差该表是选则主成分的主要依据根据什么选择主成分？“InitialEigenvalues”(初始特征根)实际上就是本例中的6个主轴的长度特征根反映了主成分对原始变量的影响程度，表示引入该主成分后可以解释原始变量的信息特征根又叫方差，某个特征根占总特征根的比例称为主成分方差贡献率设特征根为?，则第i个主成分的方差贡献率为比如，第一个主成分的特征根为3.