此网站不支持下载视频怎么办,wordpress wp_enqueue_media,培训seo,国内搜索引擎排名2022SPSS案例分析3#xff1a;因子分析 因子分析在各行各业的应用非常广泛#xff0c;尤其是科研论文中因子分析更是频频出现。小兵也凑个热闹#xff0c;参考《SPSS统计分析》书中的案例#xff0c;运用SPSS进行因子分析#xff0c;作为我博客 SPSS案例分析系列 的第三篇文章…SPSS案例分析3因子分析 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。小兵也凑个热闹参考《SPSS统计分析》书中的案例运用SPSS进行因子分析作为我博客 SPSS案例分析系列 的第三篇文章。【一、概念】探讨具有相关关系的变量之间是否存在不能直接观察到的但对可观测变量的变化其支配作用的潜在因素的分析方法就是因子分析也叫因素分析。通俗点因子分析是寻找潜在的、起支配作用因子的方法。【二、简单实例】现在有 12 个地区的 5 个经济指标调查数据总人口、学校校龄、总雇员、专业服务、中等房价为对这 12 个地区进行综合评价请确定出这 12 个地区的综合评价指标。点击下载【三、解决方案】1、spss因子分析同一指标在不同地区是不同的用单一某一个指标难以对12个地区进行准确的评价单一指标智能反映地区的某一方面。所以有必要确定综合评价指标便于对比。因子分析是一个不错的选择5 个指标即为我们分析的对象我们希望从这5个可观测指标中寻找出潜在的因素用这些具有综合信息的因素对各地区进行评价。下图是spss因子分析的操作界面主要包括5方面的选项变量区只能选择数值型变量分类型变量不能进入该模型。另外spss软件为了消除不同变量间量纲和数量级对结果的影响在该过程中默认自动进行标准化处理因此不需要对这些变量提前进行标准化处理。 2、描述统计选项卡我们希望看到各变量的描述统计信息要对比因子提取前后的方差变化所以选定“单变量描述性”和“原始分析结果”现在是基于相关矩阵提取因子所以选定相关矩阵的“系数和显著性水平“比较重要的还有 KMO 和球形检验通过KMO值我们可以初步判断该数据集是否适合采用因子分析方法。比较糟糕的是kmo结果有时并不会出现这主要与变量个数和样本量大小有关。 3、抽取选项卡在该选项卡中设置如何提取因子提取因子的方法有很多最常用的就是主成分法。因为参与分析的变量测度单位不同所以选择“相关矩阵”如果参与分析的变量测度单位相同则考虑选用协方差矩阵。经常用到碎石图对于判断因子的个数很有帮助一般都会选择该项。关于特征值不想解释太多这和显著性水平一样都是统计学的一个基本概念。一般spss默认只提取特征值大于1的因子但我还可以通过自定义设置需要提取的因子个数。另外收敛次数比较重要可以从首次结果反馈的信息进行调整。 4、因子旋转选项卡因子分析要求对因子给予命名和解释对因子旋转与否取决于因子的解释。如果不经旋转因子已经很好解释那么没有必要旋转否则应该旋转。这里直接旋转便于解释。至于旋转就是坐标变换使得因子系数向1 和 0 靠近对公因子的命名和解释更加容易。旋转方法一般采用”最大方差法“即可输出旋转后的因子矩阵和载荷图对于结果的解释非常有帮助。 5、保存因子得分要计算因子得分就必须先写出因子的表达式。而因子是不能直接观察到的是潜在的。但是可以通过可观测到的变量获得。前面说到因子分析模型是原始变量为因子的线性组合现在我们可以根据回归的方法将模型倒过来用原始变量也就是参与分析的变量来表示因子。从而得到因子得分。因子得分作为变量保存对于以后深入分析很有用处。 【四、结果解释】1、验证数据是否适合做因子分析主要参考kmo结果一般认为大于0.5即可接受。同时还可以参考相关系数一般认为分析变量的相关系数多数大于 0.3则适合做因子分析从 KMO0.575 检验来看不是特别适合因子分析基本可以通过。这里主要是为了简单介绍因子分析所以不看重这一结果。 2、因子方差表提取因子后因子方差的值均很高表明提取的因子能很好的描述这 5 个指标。方差分解表也表明默认提取的前两个因子能够解释 5 个指标的 93.4%。碎石图表明从第三个因子开始特征值差异很小。综合以上提取前两个因子。 3、因子矩阵由旋转因子矩阵可以看出经旋转后因子便于命名和解释。因子 1主要解释的是中等房价、专业服务项目、中等校平均校龄可以命名为社会福利因子而因子 2 主要解释的是其余两个指标总人口和总雇员。可以命名为人口因子。因子分析要求最后得到的因子之间相互独立没有相关性而因子转换矩阵显示两个因子相关性较低。可见对因子进行旋转是完全有必要的。 4、因子系数因子得分就是根据这个系数和标准化后的分析变量得到的。其次在数据视图中可以看到因子得分变量。5、结论经过因子分析我们的目的实现了找到了两个综合评价指标即人口因子和福利因子。从原来的 5 个指标挖掘出 2 个潜在的综合因子。可以对12 个地区给出客观评价。 我们可以根据因子1或者因子2得分对这12个地区进行从大到小排序得分高者被认为在这个维度上有较好表现。一般上因子分析到此就已经结束了如果想再进一步展开分析一般可以采取两种方式第一是进行因子综合得分的计算用一个总得分对样本进行大小排序得分高者为佳第二将得到的若干因子作为新的变量进行聚类分析这两种方式均单独有文字介绍。见以下链接1综合得分2用于聚类分析
