spss因素分析教程

二、利用SPSS对量表进行因素分析【例6-9】现要对远程学习者对教育技术资源的了解和使用情况进行了解，设计一个里克特量表，如表6-27所示。将该量表发放给20人回答，假设回收后的原始数据如表6-28所示。衷「葛远程学习者对教奇技术资源的了解和使用间题题®从未密用很少鼬有时使用经常庾用总是使用12345M电蹴A2录音藤带A3录慷带站网上资料A5校园厨或囱椅明电子捣件A7电子对论阙A3CA1课库A?A]?视听色议题目却A2A3A4A5A7A8A9A10011551111L1102155W221L1D34333431411044344442432054433441411征43333423210744443324111531\13111帅445444211105~A35543533蛙5A34441512N5A54443521335522213\1145343 _332522J5455333252216444435!411175445554544IE54厂1341亏一11195目55553533205A45552521操作步骤：1.录入数据定义变量“A1”、“A2”、“A3”、“A5”、“A6”、“A7”、“A8”、“A9”、“A10”,并按照表输入数据，如图6-33所示。

廿吊jig出I，t**1匚曲即w Ar.<i=p也丑h： Wv^wryrffciW日堂叫二l..]j「.里*<：dnffi空i1.i£心|W UI¥] :-f-#7]*]&I115|■1「 !005.00 5DO ICO? LCD 1.D0 100 300 1DO L002i 2W£DD GOO 2£Bi ?J： 200； 100 20Q 1DO 1CO3 4003珀 300 30C 40? 3m[ tDCl 4W 1OD tDQ£ 4W300 W *»| *W <CO 2W *W 2ffl 2005 40D掀iooatn=ijoo<001Im 4囱 ioo ioo fi 颂g JJJ ：.a 3a iLb 2DCJ JM LOJ !JU7 JJjJD3 』江 30C jC0 7(XI 1D3 100 9 %B■:：|? 2W CL 1：zc 1CO ?ffl aK !：ij '力9 400400 011] 4CG AjOG JCO 9圉 400 1由 tDQ：-10 g40Q 3m； 5, $您 4.01 3CH 弓OU 20) WOO_Ji 5(0诚 300：响 1QQ "CO匚?tn SflO 饷 200.12 5fi&iai rdU "1 4.F. ii.u ytJU AIN JiLi 200.13 30a<.3J 5JU ：I.I. 2H JCO 1® 3U0 is 10U：■JJ 4Xi .-O： 1：J： jCO g 6JJ .Jj :Xs4驹,OR G30 JCC 3CC JCO ；«] ill 1DD 1001g 4goCD3 401 4»：r j.ZL SCO !CO 421 1：|J :XI_1? 5W*111 mbc 5ffi too iffl 5W 4由 Em18 5(»j(»；ooicnlawico1bo弓tioioofoo19 SOD4I.I 4tti fitnr5l»J 5LLi rui 5：；J j：U 3kftH20 S.onig 400： BtD： 6CD 5cof~20a &jffi 2DD I00：—1Wjs干代U.S“口*1.方.京;/ 1 J 二iSP5^**WW»J&■您企2.因素分析(1)选择“AnalyzeDataReductionFactor...”命令，弹出“FactorAnalyze5对话框，将变量“A1”到“A10”选入“Variables"框中，如图6-34所示。囹林如FaiMZA.FifttMSASiiStfl(2)设置描述性统计量 单击图6-34对话框中的“Descriptives...，按钮，弹出“FactorAnalyze:Descriptives”(因素分析：描述性统计量)对话框，如图6-35所示。

FactorAnalysis:Descriptives-Statistics I-Univariatedescriptives5Initialsolution-CcrelatiinMataixCoefficients. Inverse.Significancelevels Reproducedr~ Dfiterminant Anti-imagey KMOandBartlett'stest.ofsphericityEF] -4■: fFF1麦lit14^+.出j;右；4■&、由；壬“Statistics"（统计量）对话框A“Univariatedescriptives”（单变量描述性统计量）：显示每一题项的平均数、标准差。B“Initialsolution"（未转轴之统计量）：显示因素分析未转轴前之共同性、特征值、变异数百分比及累积百分比。“CorrelationMatric”（相关矩阵）选项框A“Coefficients"（系数）：显示题项的相关矩阵B“Significancelevels"（显著水准）：求出前述相关矩阵地显著水准。C“Determinant"（行列式）：求出前述相关矩阵地行列式值。D“KMOandBartletfstestofsphericity"（KMO与Bartlett的球形检定）：显示KMO抽样适当性参数与Bartlett’s的球形检定。E“Inverse"（倒数模式）：求出相关矩阵的反矩阵。F“Reproduced"（重制的）：显示重制相关矩阵，上三角形矩阵代表残差值；而主对角线及下三角形代表相关系数。G“Anti-image"（反映像）：求出反映像的共变量及相关矩阵。在本例中，选择“Initialsolution”与“KMOandBartletfstestofsphericity"二项，单击“Continue"按钮确定。（3）设置对因素的抽取选项单击图6-34对话框中的“Extraction...，按钮，弹出“FactorAnalyze:Extraction"（因素分析：抽取）对话

S6-36Factoa-Analyze.Extrsctioti（因素分析：抽职）对话框“Method”（方法）选项框：下拉式选项内有其中抽取因素的方法：A“Principalcomponents”法：主成份分析法抽取因素，此为SPSS默认方法。B“Unweightedleastsquares”法：未加权最小平方法。C“Generalizedleastsquare”法：一般化最小平方法。D“Maximumlikelihood^法:最大概似法。E“Principal-axisfactoring^法:主轴法。F“Alphafactoring”法：a因素抽取法。G“Imagefactoring”法：映像因素抽取法。“Analyze”（分析）选项框A“Correlationmatrix”（相关矩阵）：以相关矩阵来抽取因素B“Covariancematrix”（共变异数矩阵）：以共变量矩阵来抽取因素。“Display”（显示）选项框A“Unrotatedfactorsolution”（未旋转因子解）：显示未转轴时因素负荷量、特征值及共同性。B“Screeplot”（陡坡图）：显示陡坡图。“Extract”（抽取）选项框A“Eigenvaluesover”（特征值）：后面的空格默认为1，表示因素抽取时，只抽取特征值大于1者，使用者可随意输入0至变量总数之间的值。B“Numberoffactors"（因子个数）：选取此项时，后面的空格内输入限定的因素个数。在本例中，设置因素抽取方法为“Principalcomponents”，选取“Correlationmatrix”、“Unr

ota■VanmaX厂ota■VanmaX厂EquamaxPromaxDelta：itedfactoro KaPPEsolution”、“Principalc4omponents'cancelHelp'选项，在抽取因素时限定在特征值大于1者即SPSS的默认选项。单击“Continued钮确定。VRotatedsi-iutionLj^dinapiotfsl”按钮，弹出“FactorAnalyze:（4）设置因素转轴一单击图％-3*对话框中的“Rotation..”按钮，弹出“FactorAnalyze:Rotation”（因素分析：旋转）对话框，：如图6-37所小。图愤的FactorAnalyie:RotationC因素分■折：逾转1）对话框“Method”（方法）选项方框内六种因素转轴方法：A“None”：不需要转轴B“Varimax”：最大变异法，属正交转轴法之一。C“Quartimax”：四次方最大值法，属正交转轴法之一。D“Equamax”：相等最大值法，属正交转轴法之一。E“DirectOblimin”：直接斜交转轴法，属斜交转轴法之一。F“Promax”：Promax转轴法，属斜交转轴法之一。“Display”（显示）选项框：A“Rotatedsolution”（转轴后的解）：显示转轴后的相关信息，正交转轴显示因素组型矩阵及因素转换矩阵；斜交转轴则显示因素组型、因素结构矩阵与因素相关矩阵。B“Loadingplots”（因子负荷量）：绘出因素的散步图。“MaximumIterationsforConvergence”：转轴时之行的叠代最多次数，后面默认得数字为25,表示算法之行转轴时，执行步骤的次数上限。在本例中，选择“Varimax”、“Rotatedsolution”二项。研究者要选择“Rotatedsolution”选项，才能显示转轴后的相关信息。单^“Continue^按钮确定。（5）设置因素分数单击图6-34对话框中的“Scores...，按钮，弹出“FactorAnalyze:FactorScores”（因素分析：因素分数）对话框，如图6-38所示。

“Saveasvariable"（因素存储变量）框勾选时可将新建立的因素分数存储全数据文件中，并产生新的变量名称（默认为fact_1、fact_2、fact_3、fact_4等）。在“Method"框中表示计算因素分数的方法有三种：A“Regression"：使用回归法。B“Bartlett"：使用Bartlette法C“Anderson-Robin"：使用Anderson-Robin法。“Displayfactorcoefficientmatrix"（显示因素分数系数矩阵）选项勾选时可显示因数分数系数矩阵。在本例中，取默认值。单^“Continue"按钮确定。（6）设置因素分析的选项单击图6-34对话框中的“Options...，按钮，弹出“FactorAnalyze:Options"（因素分析：选项）对话框，如图6-39所示。①“MissingValues"（遗漏值）选项框：遗漏值的处理方式。A“Excludecaseslistwise"（完全排除遗漏值）：观察值在所有变量中没有遗漏值者才加以分析。B“Excludecasespairwise"（成对方式排除）：在成对相关分析中出现遗漏值得观察值舍弃。C“Replacewithmean"（用平均数置换）：以变量平均值取代遗漏值。②“CoefficientDisplayFormat"（系数显示格式）选项框：因素负荷量出现的格式。A“Sortedbysize"（依据因素负荷量排序）：根据每一因素层面的因素负荷量的大小排序。B“Suppressabsolutevalueslessthan"（绝对值舍弃的下限）：因素负荷量小于后面数字者不被显示，默认的值为0.1。在本例中，选择“Excludecaseslistwise"、“Sortedbysize"二项，并勾选“Suppressabsolutevalueslessthan"，其后空格内的数字不用修改，默认为0.1。如果研究者要呈现所有因素

负荷量，就不用选取“Suppressabsolutevalueslessthan”选项。在例题中为了让研究者明白此项的意义，才勾选了此项，正式的研究中应呈现题项完整的因素负荷量较为适宜。单击“Continue^按钮确定。设置完所有的选项后，单击“OK，按钮，输出结果。3.结果分析 (1)KMO及Bartletf检验如图6-40所示，显示KMO及Bartlett检验结果。KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequa匚y.•，:.695Bartlett'sTestofApproxChi-Square234.43SSphericitydf45Sig..000图6-40KMO及Bartlett'检验结果KMO是Kaiser-Meyer-Olkin的取样适当性量数，当KMO值愈大时，表示变量间的共同因素愈多，愈适合进行因素分析，根据专家Kaiser(1974)观点，如果KMO的值小于0.5时，较不宜进行因素分析，此处的KMO值为0.695，表示适合因素分析。此外，从Bartletfs球形检验的值为234.438，自由度为45,达到显著，代表母群体的相关矩阵间有共同因素存在，适合进行因素分析。共同性如图6-41所示，显示因素间的共同性结果。LommunalitiesInitialExtractionAl1.000.92SA21.000.733A31.000.900A41.C00.S72A51.000.9C1A61.000.S67A71.C00.919AS1.000.907A91.000.965A101.000.939Extra匚吾口门Method:Prin匚ip*ComponentAnalysis.既1&EF1安间*i±t后1+史妇:里共同性中显示抽取方法威主成份分析法，最右边一栏为题项的共同性。

陡坡图如图6-42所示，显示因素的陡坡图。)Sc^e.PlotComponentNumberli6-42因素的陡坡密从陡坡图中，可以看出从第三个因素以后，坡线甚为平坦，因而以保留3个因素较为适宜。整体解释的变异数一一未转轴前的数据如图6-43所示，显示的是未转轴前整体解释的变异数。Compontr1而&总Eigdmj4fiutsxirai:lsoriSumsofSqu^r>&dLoadingi^cl-iAionSurrisofSquaredLoadingsTolJ府cf'ui^nulalive兼佝al府ofV占riwSf电:umuhliN*条ToUlhofVirMnct:Lirhulali"%L-MSI&3.579t3.S794.S89妃剧21.54715.46?7也g1.54715-46?79X)4&3J373137?752573454?&9I。L032标591g410(E&E-02濒E①HJJ2Q耳砒32"3373222E-0Z的,366卯小25wajjooIfl渤1.411KlSfflExtraclionMethod:Pnnop^lComp&nenl丸ml/亦.国&编未转用前整制m的奏异数从图中可以看出，左边10个成份因素的特征值总和等于10。解释变异量为特征值除以题项数，如第一个特征值得解释变异量为6.358H063.579%。将左边10个成份的特征值大于1的列于右边。特征值大于1的共有三个，这也是因素分析时所抽出的共同因素数。由于特征值是由大到小排列，所以第一个共同因素的解释变异量通常是最大者，其次是第二个1.547，再是第三个1.032。转轴后的特征值为4.389、3.137、1.411，解释变异量为43.885%、31.372%、14.108%，累积的解释变异量为43.885%、75.257%、89.366%。转轴后的特征值不同于转轴前的特征值。未转轴的因素矩阵 如图6-44所示，显示的是未转轴的因素矩阵。

ComponentMatrix3Component123A5.939.102A4.922.145A1.901-：243.239AS.0S7-.194,■2S7A5.S74-.206.245A7.S23.474-.129A9.S13.401-.377A10.753.495-,358A2-.574邸.206A3-.164.633.6S7Extra匚t泊门Method:Prin匚ipalCcmponentAnalysiSva，3匚口mponentsextracted.从图中可以看出，有3个因素被抽取，并且因素负荷量小鱼0.1的未被显示。(6)转轴后的因素矩阵 如图6-45所示，显示了转轴后的因素矩阵。RotatedComponentMatrix3Component123Al.26&-.141AS.266A6：：：：：：■：硼毛.371-.107■/A5.44S-.147A4裁OPS!............；翊....A10.237?'••点8A3.30S,ci24-.129A7.417A3A2-.557空3ExtractionMethod:PrincipalComponentAnalysis.RotationMethod?Varimai.^ith-kaiserNormalization.a.Rotationconvergedin5iteration?;从图中可以看出A1、A8、A6、A5、A4为因素