因子分析怎么计算权重?
一、案例说明
案例背景与研究目的
研究短视频平台不同维度所占权重情况,调查搜集了200份数据其中20项可分为品牌活动,品牌代言人,社会责任感,品牌赞助和购买意愿品牌五个维度。案例数据中还包括基本个体特征比如性别、年龄,学历,月收入等。以及短视频平台观看情况和消费情况。数据样本为200个。
想要根据短视频平台调查的数据进行因子分析,判断因子与测量项之间的关系得到相应维度,对于二级指标使用熵值法进行求取权重,一级指标由因子分析得到的相应维度进行计算权重,最后汇总总结。
二、SPSSAU操作
因为案例的预设维度为5所以将分析项拖拽到右侧分析框后,下拉选择因子个数为5。此次案例利用因子分析计算权重,所以不需要勾选“因子分析”与“综合得分”。
SPSSAU
三、因子分析结果
1.KMO值与Bartlete球形检验
使用因子分析进行信息浓缩研究,首先分析研究数据是否适合进行因子分析,从上表可以看出:KMO值为0.929,大于0.6,满足因子分析的前提要求,意味着数据可用于因子分析研究。以及数据通过Bartlett 球形度检验(p<0.05),说明研究数据适合进行因子分析。接下来查看分析项是否需要调整。
2.因子与测量项之间的关系
因子分析进行因子浓缩时,通常会经历多个重复循环,删除不合理项,并且重复多次循环,最终得到合理结果。一般出现的情形我们分为两种,一种为“张冠李戴”,一种为“纠缠不清”,具体描述如下。
(1)“张冠李戴”
一般情况下,如果20项与5个因子之间的对应关系情况,与专业知识情况不符合,比如第一项本该属于第二个因子但是被划分到了第一个因子下面,此时则说明可能该项应该被删除处理,其出现了‘张冠李戴’现象。例如案例中的“购买意愿1”和“购买意愿4”。
(2)“纠缠不清”
除了“张冠李戴”现象,有时候会出现‘纠缠不清’现象,比如案例中的“品牌赞助4”可归属为因子2,同时也可归属到因子4,这种情况较为正常(称作‘纠缠不清’),需要结合实际情况处理即可,可将该项删除,也可不删除,这时,分析带有一定主观性。
Step1: 第一次分析
本例子中共20个分析项,此20个分析项共分为5个维度,因此在分析前可主动告诉SPSSAU,此20项是五个因子,否则SPSSAU会自动判断多少个因子(通常软件自动判断与实际情况有很大出入,所以建议主动设置因子个数)。如下图:
从上图中可以看出:
品牌活动1-4这4项,它们全部对应着因子1,因子载荷系数值均高于0.4,说明此4项应该同属于一个维度,即逻辑上品牌活动1-4这4项,并没有出现 “张冠李戴”现象。4个分析项值隶属于因子1一个维度也没有出现“纠缠不清”的情况。
品牌代言人1-4共4项,它们全部对应着因子1,但是品牌代言人3、品牌代言人4同时又属于因子3,属于“纠缠不清”,暂不处理。
“社会责任感1-4”共4项,此4项均对应着因子1或因子3,此3项并没有出现‘张冠李戴’问题,但是出现了“纠缠不清”。
“品牌赞助1-4”共4项,它们全部对应着因子2,“品牌赞助4”既对应因子2又对应因子4出现了“纠缠不清”,应该给予关注。
“购买意愿1-4”共四项,当他们对应因子4则“购买意愿1”出现“张冠李戴”若对应因子5则“购买意愿4”出现“张冠李戴”。
总结上述分析可知:“购买意愿1”或者“购买意愿4”这两项出现“张冠李戴”,应该首先将此两项中的一项删除;而其他出现“纠缠不清”现象的,暂时不处理(进行关注即可)。此次将“购买意愿1”进行删除后重新分析(将“购买意愿4”删除也是可以的,由研究者自己决定)。
Step2: 第二次分析
将“购买意愿1”这项删除后,进行第二次分析。结果如下:
从上图可知 “品牌代言人3”、“品牌代言人4”出现‘张冠李戴’现象,应该删除,以及“品牌活动1-4”、“品牌代言人1-2”等出现‘纠缠不清’现象,暂不处理,但应该给予关注。总结可知:应该将“品牌代言人3”、“品牌代言人4”先删除后再次进行第3次分析。
Step3: 第三次分析
将“品牌代言人3”、“品牌代言人4”删除后再次分析结果如下:
从上图可知
“品牌代言人1-2”可同时出现在因子1和因子5下面,但考虑到因子5当前仅余下2项,因而表示可以接受,以及“社会责任感1-4”是一样的,最终找出五个因子,它们分别与项之间的对应关系良好。因子分析结束。
3.调整因子后的结果
由于此次案例分析着重描述利用因子分析计算权重所以对于因子提取、信息浓缩结果将简单进行描述,如果想要详细的分析结果请登录SPSSAU上传数据进行分析。
4.因子提取与信息浓缩
(1)因子提取
上表格针对因子提取情况,以及因子提取信息量情况进行分析,从上表可知:因子分析一共提取出5个因子,此5个因子旋转后的方差解释率分别是26.400%,21.703%,19.013%,15.359%,7.087%,旋转后累积方差解释率为89.563%。累积方差解释率这个值没有固定标准,一般超过60%都可以接受。
(2)信息浓缩
旋转后因子载荷系数表
因子1品牌活动;因子2品牌赞助;因子3社会责任感;因子4购买意愿,因子5上有较高的载荷,它们主要反映了短视频平台某品牌用的代言人受众情况为品牌代言人。利用旋转后的方差解释率计算五个一级指标的权重:
利用旋转后的方差解释率归一化得到各个维度的权重:因子1权重:0.264/0.896=0.295 因子2权重:0.217/0.896=0.242:因子3权重:0.190/0.896=0.212,因子4权重0.154/0.896=0.172,因子5权重0.071/0.896=0.079。
到此,因子分析结束,上述因子分析的目的是进行判断因子与测量项之间关系,进行重复分析,删除不满足分析的分析项,描述相应的五个维度,利用旋转后的方差解释率计算五个一级指标的权重。接下来利用SPSSAU熵值法计算二级指标权重得到权重后进行最后的权重计算。
四、二级指标权重计算
1.二级指标权重结果
将因子分析确定的最终17个二级指标利用SPSSAU进行熵值法,因为17项是五个维度下的指标所以重复进行五次熵值法分析,得到品牌活动二级指标的权重如下:
使用熵值法对品牌活动1等总共4项进行权重计算,从上表可以看出:品牌活动1, 品牌活动2, 品牌活动3, 品牌活动4总共4项,它们的权重值分别是0.247, 0.266, 0.235, 0.252。并且各项间的权重相对较为均匀,均在0.250附近。
品牌赞助二级指标的权重如下:
使用熵值法对品牌赞助1等总共4项进行权重计算,从上表可以看出:品牌赞助1, 品牌赞助2, 品牌赞助3, 品牌赞助4总共4项,它们的权重值分别是0.225, 0.237, 0.271, 0.267。并且各项间的权重相对较为均匀,均在0.250附近。
社会责任感二级指标的权重如下:
分析结果来源于SPSSAU
使用熵值法对社会责任感1等总共4项进行权重计算,从上表可以看出:社会责任感1, 社会责任感2, 社会责任感3, 社会责任感4总共4项,它们的权重值分别是0.254, 0.256, 0.224, 0.265。并且各项间的权重相对较为均匀,均在0.250附近。
品牌代言人二级指标的权重如下:
使用熵值法对品牌代言人1等总共2项进行权重计算,从上表可以看出:品牌代言人1, 品牌代言人2总共2项,它们的权重值分别是0.490, 0.510。并且各项间的权重相对较为均匀,均在0.500附近。
购买意愿二级指标的权重如下:
分析结果来源于SPSSAU
使用熵值法对购买意愿2等总共3项进行权重计算,从上表可以看出:购买意愿2, 购买意愿3, 购买意愿4总共3项,它们的权重值分别是0.327, 0.340, 0.332。并且各项间的权重相对较为均匀,均在0.333附近。
综上所述可以得到品牌赞助、社会责任感、品牌代言人、品牌活动以及购买意愿的权重分别为0.242、0.212、0.079、0.295以及0.172。将一级指标二级指标整理如下并计算相应的最终权重。
2.最终权重结果
比如,计算出一级指标权重分别为0.242、0.212、0.079、0.295以及0.172。二级指标购买意愿2权重为0.327,则购买意愿2最终权重值为0.172*0.327=0.06。根据权重结果可以发现各个一级指标的权重分布均匀,对于平台短视频也可以关注下用户的“品牌活动”。
五、总结
本次案例主要利用SPSSAU进行分析计算权重,使用的方法包括因子分析与熵值法组合,因为此次案例利用因子分析计算权重,所以不需要勾选“因子分析”与“综合得分”。通过因子与测量项之间的关系对相应的分析项进行调整,调整后得到因子分析结果,对于无关权重的结果不进行赘述,最终得到相应维度下的分析项以及一级指标的权重,计算二级指标的权重使用熵值法,因为分析得到的五个维度所以重复进行五次熵值法分析,利用因子分析与熵值法的权重结果得到各项的最终权重。
因子分析怎么计算权重?相关推荐
- 怎样计算权重?——层次分析法、熵值法:工具+数据+案例+代码
1权重系数的计算 计算权重是一种常见的分析方法,在实际研究中,需要结合数据的特征情况进行选择,比如数据之间的波动性是一种信息量,那么可考虑使用CRITIC权重法或信息量权重法:也或者专家打分数据,那么 ...
- excel熵值法计算权重_SPSS主成分分析 | 指标权重值计算真的不难!(上)
一 指标权重计算确定的困惑 相信很多写过或者正在写指标处理类论文的朋友都曾对如何计算指标权重充满困惑,到底是用熵值法,还是主成分分析法?或者其他各种看起来奥妙无穷却难以上手操作的神奇方法?好不容易确定 ...
- 探究Lucene计算权重的过程
探究Lucene计算权重的过程 我们知道,影响一个词在一篇文档中的重要性主要有两个因素: 1 term frequency (tf):该词在当前文档出现了多少次,tf越大,说明越重要. 2 docum ...
- yolov3前向传播(三)-- 坐标转换,iou计算,权重加载,图片显示
坐标转换,iou计算,权重加载,图片显示 一.坐标转换 1.分析 2.实现 # =====================================坐标值转化函数================ ...
- 手把手教你用熵值法计算权重
由于对数据要求少,且容易计算,熵值法一直是备受欢迎的权重计算方法. 今天的文章,将带大家一起梳理熵值法计算权重的步骤以及如何应用到综合评价研究中. 一.研究背景 研究案例是利用熵值法来对各企业的财务状 ...
- excel熵值法计算权重_SPSS主成分分析 | 权重计算amp;极差法标准化超详细教程!(下)...
权重计算 1. 上节回顾 爱数据-橙子:SPSS主成分分析 | 指标权重值计算真的不难!(上)zhuanlan.zhihu.com 在昨日中(点击复习),我们利用SPSS中的数据标准化方法及主成分分 ...
- 数学建模 层次分析法 python计算权重
这里用python语言来计算判断矩阵的权重,网上大部分是matlab语言,里面也包含一致性检验的函数,具体各函数使用方法详见代码注释的部分 import numpy as np a=np.array( ...
- 【python】PCA计算权重
[python]PCA计算权重 将分步骤基于python实现PCA计算权重,代码在pycharm中执行. 文章目录 [python]PCA计算权重 1.引入库 2.读取数据 3.数据标准化 4.PCA ...
- 熵值法计算权重有异常值_指标权重确定方法 1-熵值法
在信息论中,熵是对不确定性或随机性的一种度量,不确定性越大,熵值就越大,不确定性越小,熵值就越小.不确定性越大,表明随机性越大,数据越离散,则包含的信息就越大,在确定权重的时候往往就越小. 熵值法确定 ...
- [MATLAB]层次分析法计算权重
[MATLAB]关于层次分析法计算权重值 %层次分析法权重函数 function [w,CR] = cengci(A)[~, n] = size(A); x = ones(n,100); y = on ...
最新文章
- 鸟哥的Linux私房菜(基础篇)- Red Hat 6.x旧文件
- Android在第三方应用程序系统应用尽早开始,杀死自己主动的第三方应用程序,以重新启动...
- [弹性力学]应力转轴公式和应变转轴公式的展开式
- virtualbox--在win7设置ubuntu虚拟机网络
- 搭建fabric-sample/balance-transfer网络详解
- redis 异常解决办法
- 中兴新支点操作系统_中兴新支点 OS 销量都过两亿套了?赶紧下载安装体验了一把...
- TCP的三次握手和四次挥手
- 为什么敲了许多年的代码,却仍然在原地踏步?| 程序员有话说
- “海盗湾”副本网站上线:IPFS分布式技术搭建
- oracle中12560,Oracle ORA-12560解决方法
- 以软件测试的角度测试一支笔,微软经典面试题:如何测试一支笔?
- 健身体测微信小程序,新手上路
- java 输入一串字符串 字符串长度不超过100
- lubuntu12.04将64G minSD卡 格式exFAT 转 FAT32
- 数字逻辑 | 期末复习 · 基本知识
- 求一份 电力猫 QCA6410 原理图等
- UCGUI触摸代码分析
- 如何使用Spring Boot促进java开发?高级java架构师为您详解!
- windows连接Linux服务器 安装禅道
热门文章
- matlab画图函数之plot【matlab图行绘制一】
- AutoCAD自定义填充图样详细教程
- vecm matlab,VECM是什么?
- Python 脚本编写
- RBF神经网络MATLAB代码实现
- Tomcat的Document base ……does not exist or is not a readable directory错误
- 谷歌离线地图开源地图服务器
- c语言读取含特定开头的文件,C#中获取指定路径下特定开头和后缀的所有文件
- 排队论系统仿真c语言,排队论仿真程序
- 软考中级网络工程师全面学习笔记第2版(5万字)+配套视频及课件