spss因素分析PPT格式课件下载.ppt

spss因素分析PPT格式课件下载.ppt

《spss因素分析PPT格式课件下载.ppt》由会员分享，可在线阅读，更多相关《spss因素分析PPT格式课件下载.ppt（22页珍藏版）》请在冰豆网上搜索。

反应在与多个因素有关系的观察变项样本的选取需能涵盖测量变项的变异性样本间的比较亦能反应因素的特性第一节6第十七章因素分析量化研究與統計分析.因素分析的限制实务层次的问题实务层次的问题因素分析受到相关系数的特性所影响，任何影响相关系数的原因都可能干扰因素分析样本数、遗漏值、常态性、线性关系、偏离值多元共线性（multicollinearity）与单一性（singularity），极端的共线性与单一性对于因素分析具有影响相关系数的大小：

如果观察矩阵中相关系数均小于.3，抽取因素能力低，可能需放弃使用因素分析因素分析的偏离值：

当某测量变项不被因素所解释时。

当仅有两个变项所决定的因素，可能是一种不稳定的因素。

第一节7第十七章因素分析量化研究與統計分析.不同的萃取方法一主成分法主成分法（Principalcomponents）目的在使每一个成分能够代表最大的观察变异量第一个主成分为观察变项的线性整合，能够反应最大的变异量，依序发展各主成分可以得到最大的解释变异量主要因素法主要因素法（principalfactors）以共同性为分析的对象因素的抽取以叠代程序来进行，起始值为SMC（squaredmultiplecorrelations），反覆带入共同性直到无改善能够产生最理想的重制矩阵映像因素萃取映像因素萃取（imagefactorextraction）各观察变项的变异量为其他变项的投射。

每一个变项的映像分数系以多元回归的方法来计算，映像分数的共变矩阵被进行PCA类似PCA，能够产生单一的数学解，对角线与FA相同，为共同性因素负荷量不是相关系数，而是变项与因素的共变第三节8第十七章因素分析量化研究與統計分析.不同的萃取方法二最大概似因素萃取最大概似因素萃取（maximumlikelihoodfactorextraction）以因素负荷量的母数估计数为主要目的计算样本求得之观察矩阵能够反应母体的最大机率之负荷量因素可进行显著性考验，适用于验证性分析也即是求取变项与因素间的最大典型相关无加权最小平方法无加权最小平方法（unweightedleastsquaresfactoring）求取观察与重制矩阵的残差的最小平方值只有非对角线上的数据被纳入分析共同性是分析完成之后才进行计算一般加权最小平方法一般加权最小平方法（generalizedweightedleastsquaresfactoring）在无加权平方法下，增加权数的考量（以共同性加权）有较大的共同变异的变项被较大的加权Alpha法法（alphafactoring）处理共同因素的信度，提高因素的类化性（generalizability）共同性的估计是在使因素的alpha信度达到最大第三节9第十七章因素分析量化研究與統計分析.因素数目判断原则一般原则：

解释变异量一般原则：

解释变异量因素越多，解释变异量越大因素越多，简效性越低（模式越复杂）因素数目判断方法因素数目判断方法特征值大于1（表示大于1.00的原始观察变异量）因素数目合理范围为变项数除以3至除以5之间陡坡检定Screetest（Cattell,1966）特征值明显出现变化时为合理数目残差分析残差类似于各变项间的相关在移除了因素的影响后的净相关检验不同因素数目下，残差矩阵中的数值，高于.05或.10以上者过多，表示可能在其他因素第三节10第十七章因素分析量化研究與統計分析.因素数目判断原则因素负荷量检验单一观察变项的因素并不恰当二个观察变项的因素在两变项相关高（r.7），与其他变项相关低时，为合理。

显著性考验验证性因素分析提供因素的显著性考验Bartlett检验考验全部因素的显著性意义平行分析（parallelanalysis）利用蒙地卡罗模拟技术找出随机特征值原始与随机特征值的比较，决定哪几个因素是应该萃取研究上的考量探索性的目的，想要了解因素的结构时，边缘强度的因素可以保留，以了解其性质当研究者需要稳定的因素进行研究时，保留信度高的因素即可第三节11第十七章因素分析量化研究與統計分析.特征矢量与特征值相关矩阵中的对角线代表变项的标准化的变异量（相关矩阵中的对角线代表变项的标准化的变异量（1.00）因素分析经由因素的萃取对于观察变项相关矩阵进行萃取后，转因素分析经由因素的萃取对于观察变项相关矩阵进行萃取后，转换成为特征值（换成为特征值（L）L=VRVVV=IV称为特征矢量称为特征矢量上式可以转换为上式可以转换为R=AA，A称为因素负荷矩阵称为因素负荷矩阵特征值矩阵L第三节12第十七章因素分析量化研究與統計分析.因素负荷矩阵前式可以转换为前式可以转换为R=AA，A称为因素负荷矩阵称为因素负荷矩阵第三节13第十七章因素分析量化研究與統計分析.因素负荷量，共同性与解释变异量第三节14第十七章因素分析量化研究與統計分析.因素的解释与命名因素负荷量的判断因素负荷量的判断.71（50）优秀.63（40）非常好.55（30）好.45（20）普通.32（10）不好.32以下：

不及格不同转轴法下的考量不同转轴法下的考量直交转轴使用转轴后矩阵斜交转轴使用型态矩阵，以获悉因素的意义（结构矩阵中的系数被因素间的相关扩张，导致高估）第三节15第十七章因素分析量化研究與統計分析.Rotation转轴转轴的时机转轴的时机依目的：

得到最佳的结构，或保留因素的原始面貌利用因素散布图协助判断：

观察变项应在各轴上：

接近各轴，远离原点，形成群落Orthogonalrotation（直交转轴直交转轴）Varimax:

使负荷量的变异数在因素内最大（=1）Quartimax:

使负荷量的变异数在变项内最大（=0）Equamax:

综合前两者，使负荷量的变异数在因素内与变项内同时最大（=.5）（gamma）指标:

表示简化的程度：

0表变项最简化，1表因素最简化，.5表两者各半第三节16第十七章因素分析量化研究與統計分析.直交转轴Varimax法：

将因素负荷量的变异数最大化法：

将因素负荷量的变异数最大化将高相关更高，低相关更低将高相关更高，低相关更低第三节17第十七章因素分析量化研究與統計分析.直交转轴概念图第三节转轴前转轴后18第十七章因素分析量化研究與統計分析.斜交转轴Obliquerotation（斜交转轴斜交转轴）允许因素间具有相关之转轴因素间最大的相关由（delta）决定，负的越小，表示月接近直交，=-4为直交，接近1时，因素间的相关可能最高Directoblimin:

使因素负荷量的差积（cross-products）最小化Directquartimin:

使型态矩阵中的负荷量平方的差积（cross-products）最小化Orthoblique:

使用quartimax算式将因素负荷量重新量尺化（rescaled）以产生直交的结果，因此最后的结果保有斜交的性质Promax:

将直交转轴（varimax）的结果再进行有相关的斜交转轴。

因素负荷量取2，4，6次方以产生接近0但不为零的值，借以找出因素间的相关，但仍保有最简化因素的特性第三节19第十七章因素分析量化研究與統計分析.斜交转轴后图示与参数比较第三节20第十七章因素分析量化研究與統計分析.Factorscores因素分数因素分数的产生由因素负荷量为基础，透过回归分析原理来获得一组因素分数系数，即可计算因素分数因素分数系数为因素负荷量与相关系数反矩阵的乘积因素分数为原始变项分数转换为Z分数后乘以因素分数系数而得各变项由因素得到的预测分数公式如下第三节21第十七章因素分析量化研究與統計分析.TimeforrestChapter17isdonehere.Seeyoulater!

22第十七章因素分析