關于spss因子分析的幾點總結

1、關于 SPSS 因子分析的幾點總結時間:2015 年 4 月 14 日 | 欄目: SPSS 課堂 | 作者: 數(shù)據(jù)小兵對因子分析的幾次嘗試與實踐，有一些新的認識，整理到博客里和大家交流。因子分析與主成分分析的區(qū)別關于這個問題，見諸各大、博客，還有知道等欄目，這里期刊中的文字加以說明。1、主成分分析：是研究如何通過少數(shù)幾個主成分來解釋多變量的方差一協(xié)方差結構的分析方法，也就是求出少數(shù)幾個主成分(變量)，使它們盡可能多地保留原始變量的信息，且彼此不相關。它是一種數(shù)學變換的方法，即把給定的一組變量通過線性變換，轉換為一組不相關的變量(兩兩相關系數(shù)為 0，或樣本向量彼此相互垂直的隨量)。在這種變換中

2、，保持變量的總方差(方差之和)不變。同時具有最大方差，稱為第一主成分；具有次大方差，稱為第二主成分。在主成分分析中，最終確定成分是原始變量的線性組合。每個主成分都是由原有p 個變量線性組合得到。在諸多主成分Z i 中，Z 1 在方差中占的最大，說明它綜合原有變量的能力最強，越往后主成分在方差中的也小，綜合原信1息的能力越弱。和來描述原來觀測的每一分量。通過因子分析得來的新變量是對每個原始變量進因子分析總結語21、主成分分析在于對原始變量的線性變換，注意是轉換、變換；而因子分析在于對原始變量的剖析，注意是剖析，是分解，分解為公共因子和特殊因子。2、這兩種分析法得出的新變量，也就是成分或者因子，并

3、不是原始變量篩選或者提出后剩余的變量。行剖析。因子分析不是對原始變量的重新組合，而是對原始變量進行分解，分解為公共因子和特殊因子兩部分。具體地說，就是要找出某個問題中可直接測量的具有一定相關性的諸指標，如何受少數(shù)幾個在專業(yè)中有意義、又不可直接測量到、且相對獨立的因子支配的規(guī)律，從而可用各指標的測定來間接確定各因子的狀態(tài)。2、因子分析：因子分析是尋找潛在的起支配作用的因子模型的方法。因子分析是根據(jù)相關性大小把變量分組，使得同組內的變量之間相關性較高，但不同的組的變量相關性較低。每組變量代表一個基本結構，這個基本結構稱為公共因子。對于所研究就可試圖用最少個數(shù)的不可測的所謂公共因子的線性函數(shù)與特殊因

4、子之準化處理，因此不必要在開始之前單獨進行數(shù)據(jù)標準化處理，因為，標準化與否結果一致。6、spss 因子分析重要結果：KMO 值，此值是否進行計算與變量個數(shù)、樣本個數(shù)有關，不一定會在每次執(zhí)行中都顯示，如沒有此結果，可通過調整變量和樣本的比例實現(xiàn)。因子分析可以提供的重要結果是什么？33、因子分析只能解釋部分變異（指公共因子），主成分分析能解釋所有變異（如果提取了所有成分）。4、主成分分析，有幾個變量就至少有幾個成分，一般只提取能解釋 80%以上的成分；因子分析，有幾個變量不一定有幾個公共因子，因為這里的因子是公因子，潛在的存在與每一個變量中，需要從每一個變量中去分解，無法解釋的部分是特殊因子。5、spss 因子分析過程對各變量間量綱和造成的影響，默認自動進行標債因子、成長因子等等；在科研中的表現(xiàn)形式為：*問題的分析。2、每一個因子的權重，每一個變量的權重。它的貢獻在于替代評分、拍腦袋制定各影響的權重，比如層次分析法。3、因子得分變量，SPSS 將因子得分作為單獨的變量保存起來?？梢杂迷撟兞窟M行次的分析，比如作為變量用于聚類分析。4、因子綜合得分，主要的應用在于綜合評價研究對象，比如一個城市的綜合水平