SPSS因子分析法2Word格式.docx

1、ziln%112x2点11 m2x2无论是哪一种因子分析方法，其相应的因子解都不是唯一的，主因子解仅仅是无数因子解中之一。zi与zj相互无关；z1是x1 , x2,，xp的一切线性组合中方差最大者，z2是与z1不相关的 x1 , x2,的所有线性组合中方差最大者。贝U,新变量指标 z1, z2,分别称 为原变量指标的第一，第二，主成分。Z为因子变量或公共因子，可以理解为在高维空间中互相垂直的 m个坐标主成分分析实质就是确定原来变量 xj （j=1 , 2，p）在各主成分zi （i=1 , 2,，m）上的荷载lij。从数学上容易知道，从数学上也可以证明，它们分别是相关矩阵的 m个较大的特征值所对

2、应的特征向量。分析步骤第一步：确定待分析的原有若干变量是否适合进行因子分析rj（xki ，）（ xj）k 1因子分析是从众多的原始变量中重构少数几个具有代表意义的因子变量的 过程。其潜在的要求：原有变量之间要具有比较强的相关性。因此，因子分析 需要先进行相关分析，计算原始变量之间的相关系数矩阵。如果相关系数矩阵在 进行统计检验时，大部分相关系数均小丁 0.3且未通过检验，则这些原始变量就 不太适合进行因子分析。11r121pRr21 222p1p2 ppn又）2 （xkj xj）2进行原始变量的相关分析之前，需要对输入的原始数据进行标准化计算 （一股采用标准差标准化方法，标准化后的数据均值为

3、0,方差为1）。SPSS在因子分析中还提供了几种判定是否适合因子分析的检验方法。主要 有以下3种：巴特利特球形检验（Bartlett Test of Sphericity）反映象相关矩阵检验（Anti-image correlation matrix）KMO （Kaiser-Meyer-Olkin ）检验（1）巴特利特球形检验该检验以变量的相关系数矩阵作为出发点，它的零假设 H0为相关系数矩阵 是一个单位阵，即相关系数矩阵对角线上的所有元素都为 1,而所有非对角线上 的元素都为0,也即原始变量两两之间不相关。巴特利特球形检验的统计量是根据相关系数矩阵的行列式得到。 如果该值较大,且其对应的相伴

4、概率值小丁用户指定的显著性水平，那么就应拒绝零假设 H0,认为相关系数不可能是单位阵，也即原始变量问存在相关性。（2）反映象相关矩阵检验该检验以变量的偏相关系数矩阵作为出发点，将偏相关系数矩阵的每个元素 取反，得到反映象相关矩阵。偏相关系数是在控制了其他变量影响的条件下计算出来的相关系数， 如果变量之间存在较多的重叠影响，那么偏相关系数就会较小，这些变量越适合进行因 子分析。（3）KMO （Kaiser-Meyer-Olkin）检验该检验的统计量用丁比较变量之间的简单相关和偏相关系数。KMO值介丁 0-1,越接近1,表明所有变量之间简单相关系数平方和远大丁 偏相关系数平方和，越适合因子分析。其

5、中，Kaiser给出一个KMO检验标准：KMO0.9，非常适合；0.8KMO0.9 , 适合；0.70.8, 一般；0.60）和相应的标准 正交的特征向量li;根据相关系数矩阵的特征根，即公共因子Zj的方差贡献（等 丁因子载荷矩阵L中第j列各元素的平方和），计算公共因子Zj的方差贡献率与 累积贡献率。主成分分析是在一个多维坐标轴中，将原始变量组成的坐标系进行平移变换，使得新的坐标原点和数据群点的重心重合。 新坐标第一轴与数据变化最大方 向对应。通过计算特征根（方差贡献）和方差贡献率与累积方差贡献率等指标， 来判断选取公共因子的数量和公共因子（主成分）所能代表的原始变量信息。公共因子个数的确定准

6、则：1） 根据特征值的大小来确定，一般取大丁 1的特征值对应的几个公共因子/ 主成分。2） 根据因子的累积方差贡献率来确定，一般取累计贡献率达85-95%的特征 值所对应的第一、第二、第 m （mVp）个主成分。也有学者认为累积方差 贡献率应在80%以上。第三步：因子变量的命名解释因子变量的命名解释是因子分析的另一个核心问题。经过主成分分析得到的 公共因子/主成分Z1,Z2,Zm是对原有变量的综合。原有变量是有物理含义的 变量，对它们进行线性变换后，得到的新的综合变量的物理含义到底是什么？在实际的应用分析中，主要通过对载荷矩阵进行分析，得到因子变量和原 有变量之间的关系，从而对新的因子变量进行

7、命名。利用因子旋转方法能使因子 变量更具有可解释性。计算主成分载荷，构建载荷矩阵 A。aj ，-ilij（i,j 1,2, ,p）*如 .amIii , 12 .hm、 m.a21A=a21 .a2ml21 , 1l21 2 .hm、； m. . .i r. . .ap1ap1 .apml p1 11 lp1 2 .1 J .l p m载荷矩阵A中某一行表示原有变量 Xi 与公共因子/因子变量的相关关系。载荷矩阵 A中某一列表示某一个公共因子/ 因子变量能够解释的原有变量 Xi的信息量。有时因子载荷矩阵的解释性不太 好，通常需要进行因子旋转，使原有因子变量更具有可解释性。因子旋转的主要 方法：

8、正交旋转、斜交旋转。ana12 .1122 .L , . 1m . m. a21.1 . 1l2V 2 .bm ml .l p1 V 1l 、. pmm正交旋转和斜交旋转是因子旋转的两类方法。前者由丁保持了坐标轴的正交 性，因此使用最多。正交旋转的方法很多，其中以 方差最大化法最为常用。方差最大正交旋转（varimax orthogonal rotation） 基本思想：使公共因子的相对负荷的方差之和最大，且保持原公共因子的正交性和公共方差总和不 变。可使每个因子上的具有最大载荷的变量数最小， 因此可以简化对因子的解释。斜交旋转（oblique rotation） 因子斜交旋转后，各因子负荷发

9、生了变化，出现了两极分化。各因子问不再相互独立，而是彼此相关。各因子对各变量的贡 献的总和也发生了改变。斜交旋转因为因子间的相关性而不受欢迎。 但如果总体中各因子问存在明显 的相关关系则应该考虑斜交旋转。适用丁大数据集的因子分析。无论是正交旋转还是斜交旋转，因子旋转的目的：是使因子负荷两极分化， 要么接近丁 0,要么接近丁 1。从而使原有因子变量更具有可解释性。第四步计算因子变量得分因子变量确定以后，对丁每一个样本数据，我们希望得到它们在不同因子上 的具体数据值，即因子得分。估计因子得分的方法主要有：回归法、 Bartlette法等。计算因子得分应首先将因子变量表示为原始变量的线性组合。即：Z

10、1l11x1l12X2l1 pXpZ2l21X1l22X2l2pXpZml m1 X1lm2X2lmpXp回归法，即Thomson法：得分是由贝叶斯 Bayes思想导出的，得到的因子 得分是有偏的，但计算结果误差较小。贝叶斯（ BAYES）判别思想是根据先验 概率求出后验概率，并依据后验概率分布作出统计推断。Bartlett法：Bartlett因子得分是极大似然估计，也是加权最小二乘回归，得 到的因子得分是无偏的，但计算结果误差较大。因子得分可用丁模型诊断，也可用作进一步分析如聚类分析、回归分析等的 原始资料。关丁因子得分的进一步应用将在案例介绍一节分析。5.5结果的分析解释此部分详细见案例分

11、析Spss实现【1】 在 “Analyze ”菜单Dimension Reduction ”中选择 “Factor” 命令，如下 图所示。 1即 加1日 ，了咨 华* 他 。*日4 里 51口 QN0M yillM* 440111 他*密 H4M而却压 口HCFEt 5UIWC3 t1驾阐圜1成|1Taom Cflnnw Ntanp vtl_ *色*折 L.:补EUn*ar bfsdpl 1& 17 1WGerer-ilzeG -rws JMls-卜1B 10 WT7Nhtd ir-deh ，17 14 1!1?特 1t fl德Bw 碰。 L 心 he# rNzMlN 烛5* 115 14 W

12、19 i| ITTa15 1C IS261B 11 18j4，?n Uh 4d询0kwnxn 命*01站 J, Ftwr19JP 0nri*n-虹*丽T5g Optnd 0*安饰IB 11 曜17Bjavq1 卜14 ia hT4Nnpls Rs4ns P15 1（ IT1血乙 Nl*!.ng =17 M 17惨Nunpit imuKfi 1U 1C u倡 1 Haujih M orM i? is rt革 HT 1$【2】在弹出的下图所示的Factor Analysis对话框中，从对话框左侧的变量歹U表 中选择这9个变量，使之添加到 Variables框中。【3】点击 Descriptives

13、” 按钮,弹出 “ Factor Analysis： Descriptives” 对话框, 如图所示。Factor Analysis; Descriptive5StatisNcs d Univariate de scrip tivesy Jmtial solutionC orrel ation Matrix 5 Coe1Tident InverssSignificance levels . J Reproduced二 Determinant Widmaged KM。and Bartletts test of sphericity km KBimmii imjii whiiimjiiiiubii

14、 *,8ntinLieJ Cancel HelpStatistics框用丁选择哪些相关的统计量，其中：Univariate descriptives （变量描述）：输出变量均值、标准差;Initial solution （初始结果）Correlation Matrix框中提供了几种检验变量是否适合做引子分析的检验方法， 其中：Coefficients （相关系数矩阵）Significance leves （显著性水平）Determinant （相关系数矩阵的行歹U式）Inverse （相关系数矩阵的逆矩阵）Reproduced （再生相关矩阵，原始相关与再生相关的差值）Anti-image （

15、反影像相关矩阵检验）KMO and Bartlett s test of sphericity （KMO 检验和巴特利特球形检验） 本例中，选中该对话框中所有选项,击 Continue按钮返回Factor Analysis因子提取方法在Method T拉框中选取，SPSS共提供了 7种方法:Principle Components Analysis （主成分分析）Unweighted least squares（未加权最小平方法）Generalized least squares （珠合最小平方法）Maximum likelihood （最大似然估价法）Principal axis facto

16、ring （主轴因子法）Alpha factoring （也 因子）Image factoring （影像因子）Analyze框中用丁选择提取变量依据，其中：Correlation matrix （相关系数矩阵）Covariance matrix （协方差矩阵）Extract框用丁指定因子个数的标准，其中：Eigenvaluse over （大于特征值）Number of factors （因子个数）Display框用丁选择输出哪些与因子提取有关的信息，其中：Unrotated factor solution （未经旋转的因子载荷矩阵）Screen plot （特征值排歹U图）Maximun

17、interations for Convergence框用丁指定因子分析收敛的最大迭代次数, 系统默认的最大迭代次数为25。本例选用Principal components方法，选择相关系数矩阵作为提取因子变量的依据，选中Unrotated factor solution和Scree plot项，输出未经过旋转的因子载荷矩 阵与其特征值的碎石图；选择 Eigenvaluse over项，在该选项后面可以输入1, 指定提取特征值大丁 1的因子。单击Continue按钮返回Factor Analysis对话框。【5】单击 Factor Analysis对话框中的 Rotation按钮，弹出 Fac

18、tor Analysis: Rotation 对话框，如下图所示：S3该对话框用丁选择因子载荷矩阵的旋转方法。 旋转目的是为了简化结构，以帮助我们解释因子。SPSS默认不进行旋转（None）。Method框用丁选择因子旋转方法，其中：None （不旋转）Varimax （正交旋转）Direct Oblimin （直接斜交旋转）Quanlimax （四分最大正交旋转）Equamax （平均正交旋转）Promax （斜交旋转）Display框用丁选择输出哪些与因子旋转有关的信息，其中：Rotated solution （输出旋转后的因子载荷矩阵）Loading plots （输出载荷散点图）本例选

19、择方差极大法旋转 Varimax，并选中Rotated solution和Loading plot 项，表示输出旋转后的因子载荷矩阵和载荷散点图， 单击Continue按钮返回Factor Analysis对话框。【6】单击 Factor Analysis 对话框中的 Scores按钮，弹出 Factor Analysis: Scores 对话框，如下图所示：该对话框用以选择对因子得分进行设置，其中：Regression （回归法）：因子得分均值为0,采用多元相关平方；Bartlett （巴特利法）：因子得分均值为0,采用超出变量范围各因子平方和 被最小化；Anderson-Rubin （安德

20、森-洛宾法）：因子得分均值为0,标准差1,彼此不 相关；Display factor score coefficient matrix:选择此项将在输出窗口中显示因子得 分系数矩阵。【7】单击 Factor Analysis对话框中的 Options按钮,弹出 Factor Analysis: Options 对话框，如下图所示：该对话框可以指定其他因子分析的结果，并选择对缺失数据的处理方法, 其中：Missing Values框用丁选择缺失值处理方法：Exclude cases listwise去除所有缺失值的个案Exclude cases pairwise含有缺失值的变量，去掉该案例Rep

21、lace with mean用平均值代替缺失值Cofficient Display Format框用丁选择载荷系数的显示格式：Sorted by size载荷系数按照数值大小排歹USuppress absolute values less tha n不显示绝对值小丁指定值的载荷量本例选中 Exclude caseslistwise 项，单击 Continue 按钮返回 Factor Analysis 对话框，完成设置。单击 OK,完成计算。3结果与讨论（1）SPSS输出的第一部分如下：第一个表格中列出了 18个原始变量的统计结果，包括平均值、标准差和分析的个案数。这个是步骤 3中选中Univa

22、riate descriptives项的输出结果。播她就计鼠均信仁/差-分析N鹿导风格16.952.0122D职信升迁16.601.6982016.901 651社金地位17.451.7&1发展忙16.751.517工映16.35T 71JR出发占15.50Double-click to .口a dr. ate分配15,501 i w w w合作性16.452.328（2）SPSS输出结果文件中的第二部分如下：该表格给出的是9个原始变量的相关矩阵崩r翎林1偕 A相关1.000.425.521.461-.131一倾J 56511109.817v075.420.321.2CI权尢距离,5：.511

23、1 0000.599J0B7.664.264.136叶会地r,036.1睥.C：1 OQCJ79.067.022-.301-001发屐机会461.&.559376035.545170.070工作抵-131 .067IDciuble-lickta颂 activate 粉022.035.6461 .ooc J2D1.0OD*355.514411.1哭264-201-E-J 66-5111.00D,72110S.261078”17211 ooo（3）SPSS输出结果的第四部分如下:KMO和Bartlett的检魅I j Kalser-Meyer-Olkin:.585Ba rtltt的咪形度检髓,似卡方74.733df36Sig.000该部分给出了 KMO检验和Bartlett球度检验结果。其中KMO值为0.585, 根据统计学家Kaiser给出的标准,KMO取值小丁 0.5,不太适合因子分析。 Bartlett球度检验给出的相伴概率为 0.00,小丁显著性水平0.05,因此拒绝Bartlett 球度检验的零假设，认为适合丁因子分析。（4） SPSS输出结果文件中的第六部分如下:公因亍方差初始提取:.匚.466职位升迁1 .6611.00Q.799.871发履服.963工牌