管理学spss因子分析案例共13页Word文档格式.docx
《管理学spss因子分析案例共13页Word文档格式.docx》由会员分享,可在线阅读,更多相关《管理学spss因子分析案例共13页Word文档格式.docx(11页珍藏版)》请在冰豆网上搜索。
7.08
3.98
0.62
7.00
9.49
1.33
2.98
5.49
3.01
1.34
1.61
5.76
9.27
4.92
4.38
2.30
7.31
5.35
4.52
3.08
6.44
0.54
7.07
2.59
1.30
0.44
3.31
1.03
1.00
1.17
3.68
2.17
1.27
1.57
1.55
1.51
2.54
1.77
1.04
4.25
4.50
2.42
5.11
5.28
10.02
12.66
11.76
6.92
3.36
11.68
13.57
9.87
9.17
9.72
5.98
5.81
2.80
8.84
13.60
10.05
6.68
7.79
12.00
11.74
8.07
9.10
12.50
9.77
7.50
1.79
4.54
5.33
7.63
3.53
13.13
7.85
2.64
2.76
4.57
1.78
5.40
9.02
3.96
6.49
4.39
11.58
2.77
3.75
2.45
13.74
10.16
2.73
2.10
7.30
4.76
18.52
11.06
9.91
3.43
3.55
5.38
2.09
12.67
5.24
9.06
5.37
16.18
3.51
4.66
3.10
4.78
2.13
1.09
0.82
1.28
2.40
1.12
2.35
3.70
2.62
1.19
2.01
3.72
1.97
1.75
1.43
2.81
2.27
1.05
1.29
1.72
0.91
11.2.1
数据准备
激活数据管理窗口,定义变量名:
分别为X1、X2、X3、X4、X5、X6、X7,按顺序输入相应数值,建立数据库,结果见图11.1。
图11.1
原始数据的输入
11.2.2
统计分析
激活Statistics菜单选DataReduction的Factor...命令项,弹出FactorAnalysis对话框(图11.2)。
在对话框左侧的变量列表中选变量X1至X7,点击?
钮使之进入Variables框。
图11.2
因子分析对话框
点击Descriptives...钮,弹出FactorAnalysis:
Descriptives对话框(图11.3),在Statistics中选Univariatedescriptives项要求输出各变量的均数与标准差,在CorrelationMatrix栏内选Coefficients项要求计算相关系数矩阵,并选KMOandBartlett’stestofsphericity项,要求对相关系数矩阵进行统计学检验。
点击Continue钮返回FactorAnalysis对话框。
图11.3
描述性指标选择对话框
点击Extraction...钮,弹出FactorAnalysis:
Extraction对话框(图11.4),系统提供如下因子提取方法:
图11.4
因子提取方法选择对话框
Principalcomponents:
主成分分析法;
Unweightedleastsquares:
未加权最小平方法;
Generalizedleastsquares:
综合最小平方法;
Maximumlikelihood:
极大似然估计法;
Principalaxisfactoring:
主轴因子法;
Alphafactoring:
α因子法;
Imagefactoring:
多元回归法。
本例选用Principalcomponents方法,之后点击Continue钮返回FactorAnalysis对话框。
点击Rotation...钮,弹出FactorAnalysis:
Rotation对话框(图11.5),系统有5种因子旋转方法可选:
图11.5
因子旋转方法选择对话框
None:
不作因子旋转;
Varimax:
正交旋转;
Equamax:
全体旋转,对变量和因子均作旋转;
Quartimax:
四分旋转,对变量作旋转;
DirectOblimin:
斜交旋转。
旋转的目的是为了获得简单结构,以帮助我们解释因子。
本例选正交旋转法,之后点击Continue钮返回FactorAnalysis对话框。
点击Scores...钮,弹出弹出FactorAnalysis:
Scores对话框(图11.6),系统提供3种估计因子得分系数的方法,本例选Regression(回归因子得分),之后点击Continue钮返回FactorAnalysis对话框,再点击OK钮即完成分析。
图11.6
估计因子分方法对话框
11.2.3
结果解释
在输出结果窗口中将看到如下统计数据:
系统首先输出各变量的均数(Mean)与标准差(StdDev),并显示共有25例观察单位进入分析;
接着输出相关系数矩阵(CorrelationMatrix),经Bartlett检验表明:
Bartlett值=326.28484,P<
0.0001,即相关矩阵不是一个单位矩阵,故考虑进行因子分析。
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy是用于比较观测相关系数值与偏相关系数值的一个指标,其值愈逼近1,表明对这些变量进行因子分析的效果愈好。
今KMO值=0.32122,偏小,意味着因子分析的结果可能不能接受。
Analysisnumber1
Listwisedeletionofcaseswithmissingvalues
Mean
StdDev
Label
X1
7.10000
2.32380
X2
4.77320
2.41779
X3
2.34880
1.66556
X4
9.15240
3.01405
X5
5.45840
3.27344
X6
7.16720
4.55817
X7
2.34600
1.61091
NumberofCases
=
25
CorrelationMatrix:
X2
X3
X4
X5
X6
X7
1.00000
.58026
.20113
.36379
.90900
.83725
.43611
.28347
.16590
-.70423
.16328
.28656
.26119
-.68058
.20309
.99020
-.53321
-.60846
-.64918
-.67758
.42733
.35732
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy=
.32122
BartlettTestofSphericity=326.28484,Significance=
.00000
使用主成分分析法得到2个因子,因子矩阵(FactorMatrix)如下,变量与某一因子的联系系数绝对值越大,则该因子与变量关系越近。
如本例变量X7与第一因子的值为-0.88644,与第二因子的值为0.21921,可见其与第一因子更近,与第二因子更远。
或者因子矩阵也可以作为因子贡献大小的度量,其绝对值越大,贡献也越大。
在FinalStatistics一栏中显示各因子解释掉方差的比例,也称变量的共同度(Communality)。
共同度从0到1,0为因子不解释任何方差,1为所有方差均被因子解释掉。
一个因子越大地解释掉变量的方差,说明因子包含原有变量信息的量越多。
Extraction
1foranalysis
1,PrincipalComponentsAnalysis(PC)
PC
extracted
2factors.
FactorMatrix:
Factor
1
Factor
2
.74646
.48929
.79644
.37219
.70890
-.59727
.91054
.38865
-.23424
.96350
-.17715
.97172
-.88644
.21921
FinalStatistics:
Variable
Communality
*
Eigenvalue
PctofVar
CumPct
*
.79660
3.39518
48.5
48.5
.77284
2
2.80632
40.1
88.6
.85927
*
.98014
.98320
.97561
.83384
下面显示经正交旋转后的因子负荷矩阵(RotatedFactorMatrix)和因子转换矩阵(FactorTransformationMatrix)。
旋转的目的是使复杂的矩阵变得简洁,即第一因子替代了X1、X2、X4、X7的作用,第二因子替代了X3、X5、X6的作用。
VARIMAX
r