1HQ
10Q
6
価
2.W
3W
3.0D
100
J.K
2CO
33
200
1.Q0
7
俪
4.M
*04
』N
3.00
3.00
2.CO
4.H
1.Q0
TOO
100
£00
JOO
1.00
1JC
1.M
100
toe
1J0
1.00
9
100
j.oa
t.oo
4DO
工帕
他
2.00
4.DC
IM
i.&D
10
5.OU
J.(K1
J.M
6.0D
£DO
j.ao
3.00
6.C0
3JO
IM
11
5.00
工00
3OT
4.DD
4.DO
J.OC
2.00
5.M
.2.no
2.oa
12
500
4.00
500
4.00
4DQ
4_M
3.00
5.M
2DO
2.oa
n
3.00
5.M
5W
2.00
fJQ
2K
1w
3.W
1叩
too
14
俪
1M
iW
?
DD
IN)
询
2CO
5.W
2叩
2.00
15
s.(n
500
3.DD
J.QO
工oc
200
丄QQ
100
1^0
16
d(n
丄闻
i.OT
4.00
]DO
5.QC
1.&0
4.W
too
1.00
17
£.00
丄00
4.(»
5.0D
SJO
S.W
4.CO
5.M
4DO
d.ao
佃
fl.on
4.00
4.IM
2.00
3.00
4.W
I.Cfl
5.DC
1J0
i.aa
[弓
询
工00
勺3
5.0D
S.DO
mu
工oo
fi.OC
3.00
3M
Z0
S-.ao
IOC
4.00
5.0D
5.DO
5-M
2.00
5.DC
2.DO
1.QD
(二)因子分析
1.在菜单栏中依次单击“分析”|“降维”|“因子分析”选
项卡,打开如图所示“因子分析”对话框。
从原变量量表中选择需要进行因子分析的变量,然后单击箭头按钮将选中的变量选入“变量”列表中。
“变量列表”的变量为要进行因子分析的的目标变量,变量在区间或比率级别应该是定量变量。
分类数据(如:
性别等)不适合因子分析。
2.“描述按钮”:
主要设定对原始变量的基本描述并对原始变量进行相关性分析。
选中“原始分析结果”复选框,表示因子分析未转轴前之共同性、特征值、变异数百分比及累积百分比,这是一个中间结果,对主成分分析来说,这些值是要进行分析变量的相关或协方差矩阵的对角元素。
KMOfBartlett球形度检验用来检验适不适合用来做因子分析。
KMO检验,检验变量间的偏相关是否很小;巴特利特球形检验,检验相关阵是否是单位阵。
kmO直越接近1越适合做因子分析,巴特利特检验的原假设设为相关矩阵为单位阵,如果Sig值拒绝原假设表示变量间存在相关关系,因此适合做因子分析。
3.单击“抽取”按钮:
主要设定提取公共因子的方法和公共因子的个数。
方法:
主成分分析法。
SPSS默认方法。
该方法假定原变量是因子变量的线性组合,第一主成分有最大的方差,后续成分可解释的方差越来越少。
这是使用最多的因子提取方法。
分析:
相关性矩阵。
表示以相关性矩阵作为提取公共因子的
依据,当分析中使用不同的尺度测量变量时比较适合。
输出:
未旋转的因子解。
显示未旋转时因子负荷量、特征值
及共同性。
碎石图。
表示输出与每个因子相关联的特征值的图,陡大
该图用于确定应保持的因子个数,通常该图显示大因子的峭斜率和剩余因子平缓的尾部之间明显的中断。
按特征值小排列,有助于确定保留多少个因子。
抽取:
基于特征值。
表示抽取特征值超过指定值的所有因子,在“特征值大于"输入框中指定值,一般为1。
4.
旋转:
用于设定因子旋转的方法。
旋转的目的是为了简结构,以帮助解释因子SPSS默认不旋转。
方法:
最大方差法:
是一种正交旋转方法,他使得对每个子有高负载的变量的数目达到最小,并简化了因子的解释输出:
旋转解。
该复选框只有在选择里旋转方法之后才能选择,对于正交旋转会显示已旋转的模式矩阵和因子变换矩阵。
5.得分:
用于对因子得分进行设置,即计算因子得分。
ta因子分忻:
因子塞分凰
fa■■■■bkii■■■■!
■arf1
「方法1I
>Q>回归迟
©Bartlett(B30
©Anderson-Rlibin(A)
二显示因孑得毎系数拒阵也)
[讎续]取消]|[釉助
取默认值,单击继续按钮。
6.选项:
用于设定对变量缺失值的处理和系数显示的格式。
尸r
因子分析:
注项
「鎳失值1
®按列裏排除金亲色)
O植对排眸个秦(E)
O使用均f宜替换迟)
I「張数皐示格盍
两捜大小1非序鱼)
■IUJillLM1lllkIUIIIIAJ7
I鬥敢迪」堂規述
帥OW};10
[蛀J'取浦|[俱跡
缺失值:
按列表排除个案。
去除所有含缺失值的个案后再进行分析。
系数显示格式:
按大小排列。
载荷系数按照数值的大小排列,并构成矩阵,使得在同一因子上具有较高载荷的变量的排列在一起,便于得到结论。
(三)结果分析
1.KMO及Bartlett'检验
KMO和Bartlett的血輪
取样足够度的Kaiser-MeTfer-OlkinKS
.695
SarUett的球形度检验近似卡万
234438
45
Sig.
.OOC
当kmO直愈大时,表示变量间的共同因子愈多,愈适合进行因子分析,根据专家观点,如果KMO的值小于0.5时,较不宜进行因子分析,此处的KMO值为0.695,表示适合因子分析。
此外Bartkett's球形检验的原假设为相关系数矩阵为单位阵,Sig值为0.000小于显著水平0.05,因此拒绝虚无假设,说明变量之间存在相关关系,适合做因子分析。
(Bartkett's球形检验的2为234.438,自由度为45,达
到显著,代表母群体的相关矩阵间有共同因子存在,适合进行因子分析。
)
2.共同性,显示因子间的共同性结果。
必因子方盖
初蛤
al
1.000
.929
100D
.739
a3
1.00D
.900
1000
..672
aS
1.00D
.901
北
1.000
27
1.00D
.91&
aS
1.000
..907
曲
1.000
.965
alO
1.000
.939
提取方法:
主咸份卄析=
在主成分分析中,有多少个原始变量便有多少个成分,所以共同性会等于1,没有唯一因素。
所以本结果中间一栏显示初试共同性都为1,则表示抽取方法为主成分分析法,最右一栏为题项的共同性。
从该表可以得到,因子分析的变量共
同度都非常高,表明变量中的大部分信息均能够被因子所提
取,说明因子分析的结果是有效的。
3.整体解释的变异数旋转之前的数据
辭垮护丿总方弄
提Hl半力杓員人
台计
'■!
%
合计
胡•「%
竄和%
合计
"的%
1
6353
63.579
53.579
5J5E
63.579
63.579
4389
43.3B5
43835
r
11547
15.467
79046
1.547
15.467
79046
313?
31372
TS.257
3
1032
10.320
SS366
1.C32
10320
89366
1411
14.1OS
fl9J66
403
4.061
93.447
291
2.&10
B6J57
155
156i
97.0^1
7
110
1,104
9S.Q25
e
OOI
500
<9.031
034
.337
99968
10
0加
032
100ODO
抵配方法:
主戏忖廿忻'
该表给出了因子贡献率的结果,表中左侧部分为初始特征值,中间为提取主因子结果,右侧为旋转后的主因子结果。
“合计”指因子的特征值,“方差的%表示该因子的特征值占总特征值百分比,“累积%表示累积的百分比。
左边10个成分因子的特征值总和等于10。
解释变异量为特征值除以题项数,如第一个特征值的解释变异量为6.385^10=63.579%。
其中自有前三个因子的特征值大于1,并且前三个因子的特
征值之和占总特征值的89.366%,因此提取前三个因子作为主因子列于右边,这也是因子分析时所抽出的公共因子数。
由于特征值是由大到小排列,所以第一个公同因子的解释变异量通常是最大者,其次是第二个1.547,再是第三个1.032。
旋转后的特征值为4.389,3.137,1,411,解释变异量为43.885%,31.372%,14.108%,累积的解释变异量为43.885%,75.257%,89.366%。
旋转后的特征值不同于转轴前的特征值。
4.碎石图。
特征值的碎石图
通常该图显示大因子的陡峭斜率和剩余因子平缓的尾部,之间有明显的中断。
一般取主因子在非常陡峭的斜率上,而处在平缓斜率上的因子对变异的解释非常小。
可以从此碎石图中看出,从第三个因素以后,坡线甚为平坦,因而可以保留3个因素较为适宜。
5.成分矩阵:
给出了未旋转的因子载荷。
1
2
3
1
r2
3
.^39
.102
35
.939
-osa
.102
a4
.&22
.145
34
.029
.145
□1
.901
-.243
.239
al
.901
-.243
.239
38
.887
-.194
.287
胡
.087
-.154
287
36
874
-.206
.245
.874
-205
245
a7
.923
.474
a?
.023
.474
-129
813
.401
-.377
39
.313
.4C1
-377
aiQ
753
.495
-.358
310
.753
4S5
-.359
■574
.605
.206
22
-.574
605
206
S3
-,164
.633
.687
a3
-.154
.633
.587
提取方;
舌;主成份*
提取方法:
主成谕。
aL
从该表中可以得到利用主成分分析方法提取的三个因子的载荷量,其中因子负荷量小于0.1的未被显示,因子为了方便解释因子含义,需要进行因子旋转。
6.旋转成份矩阵:
给出了旋转后的因子载荷值,其中旋转方法采用的是Kaiser标准化的正交旋转法。
通过因子旋转,各个因子有了比较明确的含义。
族馬丿卿分更阵2
成悅
I
2
3
1
2
3
a1
.915
.265
-.141
31
.915
.266
-141
38
.912
.266
aB
912
266
-C71
36
.984
J71
-.107
a6
271
-.107
a5
.024
.443
-.147
aS
.B24
448
-147
a4
789
.498
a4
789
498
-027
alO
.237
939
a10
.237
939
-.041
aS
.309
.924
*.129
a9
308
.924
-.12Q
a7
417
.853
a7
.417
.858
097
a3
.943
a3
.001
-.016
.945
a2
-557
.552
a2
-.S57
-.050
C52
提敢方法:
主成ft-
擬蒔法即ffKaiser常淮七的正交握转
提HE方法;主囲M
錠转法:
具有心Z「林准f滿正袞捉转法<■
a.如衽5次罐代看畋建“
a加转莊5灰握代嚴收敘-
从图中可以看出:
a1,a8,a6,a5,a4位因子1,a10,a9,a7为
因子2,a3,a2为因子3。
题项在其所属的因子层面顺序是按照因子负荷量的高低排列的。
7.成份转换矩阵:
1
2
1
J86
.596
-.163
2
-.54G
.645
T&eo
3
.510
-.478
715
提取方笑:
主闹忻-
握转法貝有Kaher抗哇化的正交握转
六•结果说明根据因子的特征值和旋转后的因子矩阵,采用了主成分分析法抽取出3个因子作为共同因子,并使用因子旋转方法中的最大方差法,按照从大到小的顺序进行排列,使得变量与因
子的关系豁然明了,对其做如下表所示的因子分析摘要表
题项
解释变异
量
累积解释变异
量
抽取的因子
因子
1负
-H-t日
何量
因子
2负
-H-t日
何量
因子
3负
-H-t日
何量
共同
性
A1电脑
43
43.
0.91
0.92
A8CAI课件
.8
885
5
8
A6电子邮
85
%
0.91
0.90
件
%
2
7
A5校园网
0.88
0.86
或因特网
4
7
A4网上资
0.82
0.90
料
4
1
0.78
0.87
9
2
A10视听会
31
75.
0.93
0.93
议
.3
257
9
9
A9视频会
72
%
0.92
0.96
议
%
4
5
A7电
子讨
0.85
0.91
论网
8
9
A录像带
14
89.
0.94
0.90
A录像磁带
.1
366
8
0
08
%
0.65
0.73
%
2
8
特征值
4.38
3.13
1.41
9
7
1