1、7.083.980.627.009.491.332.985.493.011.341.615.769.274.924.382.307.315.354.523.086.440.547.072.591.300.443.311.031.001.173.682.171.271.571.551.512.541.771.044.254.502.425.115.2810.0212.6611.766.923.3611.6813.579.879.179.725.985.812.808.8413.6010.056.687.7912.0011.748.079.1012.509.777.501.794.545.337.
2、633.5313.137.852.642.764.571.785.409.023.966.494.3911.582.773.752.4513.7410.162.732.107.304.7618.5211.069.913.433.555.382.0912.675.249.065.3716.183.514.663.104.782.131.090.821.282.401.122.353.702.621.192.013.721.971.751.432.812.271.051.291.720.9111.2.1 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
3、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Data Reduction的Factor.命令项,弹出Factor Analysis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Factor Analysis:Descriptives对话框(图11.3),在Statistics中选Univariate descriptives项要求输出各变量的均数与标准差,在Correlation Matrix栏内选C
4、oefficients项要求计算相关系数矩阵,并选KMO and Bartletts test of sphericity项,要求对相关系数矩阵进行统计学检验。点击Continue钮返回Factor Analysis对话框。图11.3 描述性指标选择对话框点击Extraction.钮,弹出Factor Analysis: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Principal components:主成分分析法;Unweighted least squares:未加权最小平方法;Generalized least squares:
5、综合最小平方法;Maximum likelihood:极大似然估计法;Principal axis factoring:主轴因子法;Alpha factoring:因子法;Image factoring:多元回归法。本例选用Principal components方法,之后点击Continue钮返回Factor Analysis对话框。点击Rotation.钮,弹出Factor Analysis: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;Q
6、uartimax:四分旋转,对变量作旋转;Direct Oblimin: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Factor Analysis对话框。点击Scores.钮,弹出弹出Factor Analysis: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Factor Analysis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
7、(Mean)与标准差(Std Dev),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(Correlation Matrix),经Bartlett检验表明:Bartlett值 = 326.28484,P0.0001,即相关矩阵不是一个单位矩阵,故考虑进行因子分析。Kaiser-Meyer-Olkin Measure of Sampling Adequacy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。Analysis number 1 Listwise de
8、letion of cases with missing valuesMean Std Dev LabelX1 7.10000 2.32380X2 4.77320 2.41779X3 2.34880 1.66556X4 9.15240 3.01405X5 5.45840 3.27344X6 7.16720 4.55817X7 2.34600 1.61091Number of Cases = 25Correlation Matrix: X2 X3 X4 X5 X6 X7 1.00000 .58026 .20113 .36379 .90900 .83725 .43611 .28347 .16590
9、 -.70423 .16328 .28656 .26119 -.68058 .20309 .99020 -.53321 -.60846 -.64918 -.67758 .42733 .35732Kaiser-Meyer-Olkin Measure of Sampling Adequacy = .32122Bartlett Test of Sphericity = 326.28484, Significance = .00000使用主成分分析法得到2个因子,因子矩阵(Factor Matrix)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.
10、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Final Statistics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 1 for analysis 1, Principal Components Analysis (PC)PC extracted 2 factors.Factor Matrix:Fa
11、ctor 1 Factor 2 .74646 .48929 .79644 .37219 .70890 -.59727 .91054 .38865 -.23424 .96350 -.17715 .97172 -.88644 .21921Final Statistics:Variable Communality * Eigenvalue Pct of Var Cum Pct* .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(Rotated Factor Matrix)和因子转换矩阵(Factor Transformation Matrix)。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
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1