因子分析法及spss中计算课件

因子分析的定义和数学模型9.1SPSS中实现过程9.2第9章因子分析因子分析的定义和数学模型9.1SPSS中实现过程9.2第9章因子分析是将现实生活中众多相关、重叠的信息进行合并和综合，将原始的多个变量和指标变成较少的几个综合变量和综合指标，以利于分析判定。本章介绍因子分析的定义、因子分析的数学模型，以及因子分析在SPSS中的实现过程。因子分析是将现实生活中众多相关、重叠的信息进行合并和9.1因子分析的定义和数学模型9.1.1统计学上的定义定义：在社会、政治、经济和医学等领域的研究中往往需要对反映事物的多个变量进行大量的观察，收集大量的数据以便进行分析，寻找规律。在大多数情况下，许多变量之间存在一定的相关关系。9.1因子分析的定义和数学模型9.1.1统计学上的定因此，有可能用较少的综合指标分析存在于各变量中的各类信息，而各综合指标之间彼此是不相关的，代表各类信息的综合指标称为因子。因子分析就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子反映原资料的大部分信息的统计学方法。因此，有可能用较少的综合指标分析存在于各变量中的各类因子分析有如下特点。（1）因子变量的数量远少于原有的指标变量的数量，对因子变量的分析能够减少分析中的计算工作量。（2）因子变量不是对原有变量的取舍，而是根据原始变量的信息进行重新组构，它能够反映原有变量大部分的信息。因子分析有如下特点。（3）因子变量之间不存在线性相关关系，对变量的分析比较方便。（4）因子变量具有命名解释性，即该变量是对某些原始变量信息的综合和反映。（3）因子变量之间不存在线性相关关系，对变量的分析比对多变量的平面数据进行最佳综合和简化，即在保证数据信息丢失最少的原则下，对高维变量空间进行降维处理。显然，在一个低维空间解释系统，要比在一个高维系统空间容易得多。对多变量的平面数据进行最佳综合和简化，即在保证数据信英国统计学家MoserScott在1961年对英国157个城镇发展水平进行调查时，原始测量的变量有57个，而通过因子分析发现，只需要用5个新的综合变量（它们是原始变量的线性组合），就可以解释95%的原始信息。对问题的研究从57维度降低到5个维度，因此可以进行更容易的分析。英国统计学家MoserScott在1961年对英国9.1.2数学模型9.1.2数学模型因子分析法及spss中计算ppt课件因子分析法及spss中计算ppt课件因子分析法及spss中计算ppt课件因子分析中的几个概念1．因子载荷2．变量共同度3．公共因子Fj的方差贡献因子分析中的几个概念因子分析有两个核心问题：一是如何构造因子变量；二是如何对因子变量进行命名解释。因子分析有下面4个基本步骤。（1）确定待分析的原有若干变量是否适合于因子分析。（2）构造因子变量。（3）利用旋转使得因子变量更具有可解释性。（4）计算因子变量的得分。9.1.3因子分析的4个基本步骤因子分析有两个核心问题：一是如何构造因子变量；二是如因子分析是从众多的原始变量中构造出少数几个具有代表意义的因子变量，这里面有一个潜在的要求，即原有变量之间要具有比较强的相关性。如果原有变量之间不存在较强的相关关系，那么就无法从中综合出能反映某些变量共同特性的少数公共因子变量来。因此，在因子分析时，需要对原有变量作相关分析。9.1.4确定待分析的原有若干变量是否适合于因子分析因子分析是从众多的原始变量中构造出少数几个具有代表意最简单的方法就是计算变量之间的相关系数矩阵。如果相关系数矩阵在进行统计检验中，大部分相关系数都小于0.3，并且未通过统计检验，那么这些变量就不适合于进行因子分析。最简单的方法就是计算变量之间的相关系数矩阵。如果相关1．巴特利特球形检验（BartlettTestofSphericity）2．反映像相关矩阵检验（Anti－imagecorrelationmatrix）3．KMO（Kaiser-Meyer-Olkin）检验1．巴特利特球形检验（BartlettTesto因子分析中有多种确定因子变量的方法，如基于主成分模型的主成分分析法和基于因子分析模型的主轴因子法、极大似然法、最小二乘法等。其中基于主成分模型的主成分分析法是使用最多的因子分析方法之一。下面以该方法为对象进行分析。9.1.5构造因子变量因子分析中有多种确定因子变量的方法，如基于主成分模型因子分析法及spss中计算ppt课件因子分析法及spss中计算ppt课件因子分析法及spss中计算ppt课件因子分析法及spss中计算ppt课件9.1.6因子变量的命名解释9.1.6因子变量的命名解释在实际分析工作中，主要是通过对载荷矩阵A的值进行分析，得到因子变量和原变量的关系，从而对新的因子变量进行命名。在实际分析工作中，主要是通过对载荷矩阵A的值进行分析因子分析法及spss中计算ppt课件计算因子得分是因子分析的最后一步。因子变量确定以后，对每一样本数据，希望得到它们在不同因子上的具体数据值，这些数值就是因子得分，它和原变量的得分相对应。有了因子得分，在以后的研究中，就可以针对维数少的因子得分来进行。9.1.7计算因子得分计算因子得分是因子分析的最后一步。因子变量确定以后，因子分析法及spss中计算ppt课件9.2SPSS中实现过程9.2.1SPSS中实现步骤

研究问题表9-2所示为20名大学生关于价值观的9项测验结果，包括合作性、对分配的看法、行为出发点、工作投入程度、对发展机会的看法、社会地位的看法、权力距离、对职位升迁的态度、以及领导风格的偏好。9.2SPSS中实现过程9.2.1SPSS中实现步骤表9-2 20名大学生的9项测验结果合作性分

配出发点工作投入发展机会社会地位权力距离职位升迁领导风格161613181617151616181915161818181719171717141718161616171717161918192019161516161818151616201716171818171918181616201516191417161613181617151616181915161818181719171717141718161616171717161918192019161516161818151616201716171818171918181616201516191417161613181617151616181915161818181719171717141718161616171717161918192019161516161818151616201716171818171918表9-2 20名大学生的9项测验结果合作性分配出发点工作

实现步骤图9-1在菜单中选择“Factor”命令实现步骤图9-1在菜单中选择“Factor”命令图9-2“FactorAnalysis”对话框图9-2“FactorAnalysis”对话框图9-3“FactorAnalysis：Descriptives”对话框图9-3“FactorAnalysis：Descri图9-4“FactorAnalysis：Extraction”对话框图9-4“FactorAnalysis：Extract图9-5“FactorAnalysis：Rotation”对话框图9-5“FactorAnalysis：Rotati图9-6“FactorAnalysis：FacforScores”对话框图9-6“FactorAnalysis：Facfor图9-7“FactorAnalysis：Options”对话框图9-7“FactorAnalysis：Options（1）SPSS输出结果文件中的第一部分如下表所示。9.2.2SPSS结果解释（1）SPSS输出结果文件中的第一部分如下表所示。9（2）SPSS输出结果文件中的第二部分如下表所示。（2）SPSS输出结果文件中的第二部分如下表所示。（3）SPSS输出结果文件中的第三部分如下表所示。（3）SPSS输出结果文件中的第三部分如下表所示。（4）SPSS输出结果文件中的第四部分如下表所示。（4）SPSS输出结果文件中的第四部分如下表所示。（5）SPSS输出结果文件中的第五部分如下表所示。（5）SPSS输出结果文件中的第五部分如下表所示。（6）SPSS输出结果文件中的第六部分如下表所示。（6）SPSS输出结果文件中的第六部分如下表所示。（7）SPSS输出结果文件中的第七部分为TotalVarianceExplained表格。如下表所示。（7）SPSS输出结果文件中的第七部分为Total（8）SPSS输出结果文件中的第八部分如图9-8所示。（8）SPSS输出结果文件中的第八部分如图9-8所示（9）SPSS输出结果文件中的第九部分如下表所示。（9）SPSS输出结果文件中的第九部分如下表所示。（10）SPSS输出结果文件中的第十部分如下表所示。（10）SPSS输出结果文件中的第十部分如下表所示。（11）SPSS输出结果文件中的第十一部分如下表所示。（11）SPSS输出结果文件中的第十一部分如下表所示（12）SPSS输出结果文件中的第十二部分如图9-9所示。（12）SPSS输出结果文件中的第十二部分如图9-9（13）SPSS输出结果文件中的第十三部分如下表所示。（13）SPSS输出结果文件中的第十三部分如下表所示因子分析法及spss中计算ppt课件（14）SPSS输出结果文件中的第十四部分如下表所示。（14）SPSS输出结果文件中的第十四部分如下表所示因子分析是对现实生活中众多的相关、重叠信息进行合并和综合，它以最少的信息丢失，将原始的众多变量和指标变成较少的几个综合变量，以利于分析判定。在研究中，因子分析得到的结果经常用于综合判定。9.2.3讨论因子分析是对现实生活中众多的相关、重叠信息进行合并和小结因子分析是由CharlesSpearman在1904年首次提出，其在某种程度上可以被看成是主成分分析的推广和扩展。因子分析就是用少量几个因子来描述许多指标或因素之间的联系，以较少的几个因子反应原资料的大部分信息的统计方法。小结因子分析是由CharlesSpearm小结