SPSS:因子分析步骤

因子分析步骤

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。使用李克特五级式量表。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“内在动机”或称“内在兴趣动机”，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

一、在spss中建立数据集

二、打开Factor analysis主对话框

1. Analyze(分析)—Deta reduction （数据化简）--factor （因素）

2. 所有数据放入variable框内

三、进入Factor analysis主对话框右边的子对话框

(一) Descriptive子对话框

1. 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Initial solution(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。

3. Correlation Matrix(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）

(1)coeffieient (相关系数)，列出各变量间的相关系数矩阵。

（２）Significance level(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）KMO and Barlett’s tests of sphericity (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。

1. Method：七种方法区别不大。用默认Principal components (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。

2. Analyze围栏：

（1）Correlation matrix(变量间相关矩阵)。保留默认。

（2）Covariance matrix (变量间协方差矩阵)

3. Display围栏（输出结果）

（1） a. Unrotated factor solution（显示未经旋转变化的因子提取结果）

（2） 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。Maximum Iterations for convergence (收敛最大迭代次数)

4. Extract （设定公因子提取标准）围栏：

（1）Eigenvalues over (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.

（2）Number of factors(自提取因子的数量)。保留默认选择值1.

（3）Maximum iterations for convergence (收敛最大迭代次数)，保留默认选择25.

4. Rotation （旋转）

（1）method. 选择Varimatrix(正交旋转法)

（2）Display（输出结果显示）

a. Rotated solution （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。

b. 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。

5. Scores(因子得分)。保留默认。

6. Options,保留默认。保留默认。

表格说明Communalities （公因子方差表）：表中给出了各变量中信息分别被提出的比例。提取比例最高的是汉语歌曲0.874，最低的是汉语戏剧0.652.

图表说明Total Variance Explained （能解释的方差比例表），也称主成份列表，是一个非常重要的表格。一个因子所解释的方差比例越高，这个因子包含原有变量信息的量就越多。第一个成分的初始特征值为2.231，能解释的方差比例为31.621％，第二个与第三个分别为25.6％和21.4%。其余四个成分都小于1，说明这几个成分的解释力度还不如直接引入原变量大。这七个变量只需要提取出头三个成分即可。

图表说明： Scree Plot 碎石图中，从第三个成分以后的特征值就降得非常低。第三个成分就是这一图形的“拐点”。这一之前是主要因子，这一之后是次要因子。因此，这一碎石图用直观的方法向我们显示，在我们这一实例中，只需要提取三个主要成分就行了。

图表说明： Component Matrix 成分矩阵表，表中列出未使用旋转方法时使用因子能解释的各个变量的比例（各变量的信息被主成份提取了多少）。

图表说明：表中列出了使用旋转方法后因子能解释的各个变量的比例。对比表5可以看出，旋转后，原先较大的比例变得更大，较小的比例则变得更小。

Extraction Method: Principal Component Analysis：提取方法：主要成分分析法

Rotation Method: Varimax with Kaiser Normalization：旋转方法：开塞正态方差最大变异法

图表说明

Component Transformation Matrix 成分转换矩阵表，用来说明旋转前后主成份间的系数对应关系。

Extraction Method: Principal Component Analysis：提取方法：主要成分分析法

Rotation Method: Varimax with Kaiser Normalization：旋转方法：开塞正态方差最大变异法

图表说明

Component Plot Rotated Space (旋转后的三维主成份图)，从图中可见，我们的七个变量并没有在一个方位上，因此提取一个主成份并不能解释大部分信息。这就是系统提取了三个主成分的原因。

SPSS:因子分析步骤相关推荐

spss主成分综合得分_【SPSS因子分析】在SPSS中对医学多个数值变量进行因子分析 —【杏花开医学统计】...
杏花开生物医药统计一号在手,统计无忧! 关注在SPSS中对医学多个数值变量进行因子分析关键词:SPSS.因子分析导读因子分析(factor analysis),指通过多个可观测的指标 ...
spss练习数据_动手练习SPSS因子分析啦，会不会做一动手就知道了
SPSS训练营:就是要动手练习数据介绍收集到24家商业银行(上市公司)的信用风险指标数据,这些指标由12个财务比率构成,可以全面完整反映银行风险状况.由于指标多,且指标间相关性强,现在希望看到少数 ...
[SPSS]因子分析和因子得分的SPSS实现——学生成绩因子构成和分科建议实例
学生成绩因子构成和分科建议数据概况: 因子分析: 将除序号外的变量都移入变量框中: 打开"描述"选项卡,勾选原始分析结果,这个结果会给出各因子的特征值.各因子特征值占总方差的百分 ...
数学建模拓展内容：卡方检验和Fisher精确性检验（附有SPSS使用步骤）
卡方检验和Fisher精确性检验卡方拟合度检验卡方独立性检验卡方检验的前提假设 Fisher精确性检验卡方拟合度检验卡方拟合度检验概要:卡方拟合度检验也被称为单因素卡方检验,用于检验一个分类 ...
SPSS因子分析中成分矩阵、旋转成分矩阵和成分得分系数矩阵的区别
spss基本总结——因子分析
spss基本分析和检验总结因子分析因子分析:用较少相互独立的因子变量来替代原有变量的大部分信息因子分析能减少分析工作量根据原始变量信息重构反映变量大部分信息因子变量之间不存在线性相关性具 ...
主元分析matlab,matlab spss做因子分析主元分析 factor analysis 学习笔记
目录目录 (1) 说明 (2) 理论 (3) 3.1因子分析的基础 (3) 3.2因子分析步骤 (5) 3.3主成分分析分析与因子分析的联系和差异: (5) SPSS的因子分析 (6) 4.1SPS ...
SPSS案例分析3：因子分析
http://hi.baidu.com/datasoldier/item/6689c4a50ec250dc5af1914c 因子分析在各行各业的应用非常广泛,尤其是科研论文中因子分析更是频频出现.小兵 ...
数学建模：评价模型——主成分分析 PCA SPSS实现、python实现
文章目录 PCA介绍 SPSS实现 python实现简单的主成分分析主成分分析用于综合评价 Notice PCA介绍主成分分析(Principal Component Analysis,PCA) ...
R语言主成分PCA、因子分析、聚类对地区经济研究分析重庆市经济指标
全文下载链接:http://tecdat.cn/?p=27515 建立重庆市经济指标发展体系,以重庆市一小时经济圈作为样本,运用因子分析方法进行实证分析,在借鉴了相关评价理论和评价方法的基础上,本文提 ...

SPSS:因子分析步骤

SPSS:因子分析步骤相关推荐

最新文章

热门文章