整理Spss15_軟件進行因子分析的統(tǒng)計分析過程

1、Spss11.5軟件進行因子分析的統(tǒng)計分析過程.因子分析的基本步驟(1)菜單選項：analyze-Data Reduction-Factor；(2)選擇參與因子分析的變量到Variables框；Discriptive:分析是否適合做因子分析；Extraction：選擇構造因子變量的方法，默認主成分分析法。Extract框：指定確定因子個數(shù)的標準；(5)Rotation：擇因子載荷矩陣的旋轉(zhuǎn)方法。默認是不進行旋轉(zhuǎn)。一般可以選擇 Varimax選項采用方差極大法旋轉(zhuǎn)。(6)Scores： Save as variables：將因子得分存成一個名為FACn_m的SPSS變量 中，其中：n是因子變量的

2、名，以數(shù)字序號的形式表示；m表示是第幾次作的。 Display factor score coefficient matrix項表示：以矩陣的形式輸出因子得分函數(shù)。 Method框中提供了估計因子得分的幾種方法。.因子分析具體過程在Spss11.5 for windows中進行因子分析的統(tǒng)計分析過程由主菜單的Analyze 下拉菜單中Data Reduction的功能中的Factor (因子分析)過程實現(xiàn)。因子分析的主對話框：Dcscriptivcs. Extrac-tion. Rotation.Scores.Options.*制誨：啖金電松因子分析的主對話框介紹：Variables：變量欄；

3、Selection Variable：選擇變量值范圍；Descriptives ：選擇 描述統(tǒng)計量的按鈕；Extraction：因子提取按鈕；Rotation：旋轉(zhuǎn)方法選擇按 鈕；Scores：因子得分按鈕;Options：選擇項按鈕。Descriptives子對話框介紹：單擊Descriptives.按鈕，打開Descriptives子對話框Statistics：統(tǒng)計量組：Univariate descriptives：單變量描述統(tǒng)計量，選擇此項可以輸出參與分析的 各原始變量的均值、標準差等；Initial solution （默認選擇項）：初始分析結(jié)果，選擇此項可以給出原始變量 的公因子方

4、差、與變量數(shù)目相等的公因子、各因子特征值、各因子特征值占總方 差的百分比以及累積百分比；Correlation Matrix:相關矩陣組：Coefficients相關系數(shù)選擇此項給出原始變量間的相關系數(shù)矩陣；Significance levels 顯著性水平選擇此項給出每個相關系數(shù)相對于相關系數(shù) 為0的假設檢驗概率水平；Determinant相關系數(shù)矩陣的行列式；KMO and Bartlett,s test of sphericity KMO 和球形 Bartlett 檢驗。選擇此項 給出對采樣充足度的Kaisex-Meyer-Olkin測度。檢驗變量間的偏相關是否很小。 Bartlett檢

5、驗，檢驗的是相關陣是否是單位陣。它表明因子模型是否是不合適宜 的；Inverse相關系數(shù)矩陣的逆矩陣；Reproduced 再生相關陣，選擇此項給出因子分析后的相關陣，還給出殘差， 即原始相關與再生相關之間的差值；Anti-image反映象相關陣。包括偏相關系數(shù)的負數(shù)；反映象協(xié)方差陣，包括偏協(xié)方差的負數(shù)；在一個好的因子模型中除對角線上的系數(shù)較大外，遠離對角線 的元素應該比較小。Extraction子對話框介紹單擊Extraction按鈕，打開Extraction子對話框Method： 一組指定提取方法的選擇項。單擊矩形框右面的箭頭可以展開提 取方法，七種提取方法選擇。Principal com

6、ponents：主成分法。該方法假設變量是因子的純線性組合；Unweighted least square：不加權最小平方法。該方法使觀測的和再生的相關 陣之差的平方最?。籊eneralized least squares：用變量的單值加權，使觀測的和再生的相關陣之 差的平方最?。籑aximum likelihood：最大似然法。此方法不要求多元正態(tài)分布。給出參數(shù) 估計，如果樣本來自多元正態(tài)總體，它們與原始變量的相關陣極為相似；Principal Axis factoring：使用多元相關平方作為對公因子方差的初始估計；Alpha factoring:因子提取法；Image factoring

7、：映象因子提取法。根據(jù)變量映象的概念提取公因子的方法。 把一個變量看作其它各變量Analyze：確定相關矩陣和協(xié)方差矩陣；。Covariance matrix （默認選擇項）：相關矩陣；O Covariance matrix: 協(xié)方差矩陣。Extract：控制提取進程和提取結(jié)果的選擇項；Eigenvalues over （默認選擇項）該選擇項指定提取的因子的特征值。在此 項后面的矩形框中給出系統(tǒng)默認值為1，即要求提取那些特征值大于1的因子；ONumber of factors該選擇項指定提取公因子的數(shù)目。用鼠標單擊此項后， 將指定的數(shù)目鍵入到該選擇項后面的矩形框中。Display：指定與因子提

8、取有關的輸出項；Unrotated factor solution （默認選擇項）：要求顯示經(jīng)旋轉(zhuǎn)的因子提取結(jié)果；Scree plot：要求顯示按特征值大小排列的因子序號與特征值為兩個坐標軸的 碎石圖。Maximum iteration for Convergence：因子分析收斂的最大迭代次數(shù)。系統(tǒng)默 認的最大迭代次數(shù)為25。單擊Rotation按鈕，打開Rotation子對話框Method ：旋轉(zhuǎn)方法選擇項。None （默認選擇項）：不進行旋轉(zhuǎn)；OVarimax：方差最大旋轉(zhuǎn)；ODirect oblimin：斜交旋轉(zhuǎn)，指定此項可以在下面的矩形框中鍵入相應值， 該值應該在0-1之間，是因子映

9、象自相關的范圍；OQuartimax：四次方最大正交旋轉(zhuǎn)；OEquamax：平方正交旋轉(zhuǎn)；O Promax :在正交最大方差旋轉(zhuǎn)基礎上進行斜交旋轉(zhuǎn)。Display：輸出顯示的選擇項；Rotated solution （默認選擇項）：旋轉(zhuǎn)結(jié)果。反映定此項將對正交旋轉(zhuǎn)顯示旋 轉(zhuǎn)后的因子矩陣模式、因子轉(zhuǎn)換矩陣；對斜交旋轉(zhuǎn)顯示旋轉(zhuǎn)后的因子矩陣模式、 因子結(jié)構矩陣和因子間的相關陣；Loading plots：因子載荷散點圖。指定此項將給出以兩兩因子為坐標軸的 各變量的載荷散點圖。如果有兩個因子，將給出各原始變量 在 Factor1-Factor2 坐標系中的散點圖，如果多于兩個因子，則給出三維因子載荷散

10、點圖。Maximum iteration for Convergence：旋轉(zhuǎn)收斂的最大迭代次數(shù)。系統(tǒng)默認值 為25?？梢栽诖隧椇竺娴木匦慰蛑墟I入指定值。Scores子對話框介紹單擊Scores3按鈕，打開Scores子對話框Save as variables：選擇此項，將因子得分作為新變量保存在數(shù)據(jù)文件中。程 序運行結(jié)束后，在數(shù)據(jù)窗口中顯示出新變量。對每一次分析產(chǎn)生一級新變量，用 最后一個數(shù)字字符表示分析的順序號。每次分析中產(chǎn)生多少個因子，新生窗口中 給出對因子得分的命名解釋。Method：指定計算因子得分的方法。Regression：回歸法。其因子得分的均值為0。方差等于估計因子得分與 實

11、際因子得分之間的多元相關的平方；OBartlett：巴特來特法。因子得分均值為0；OAnderson-Rubin：安德森-魯賓法。是為了保證因子的正交性而對巴特來特 因子得分的調(diào)整。其因子得分的均值為0，標準差為1。Display factor score coefficient matrix :選擇此項將在輸出窗口中顯示因子得 分系統(tǒng)矩陣。是標準化的得分系數(shù)，原始變量值進行標準化后，可以根據(jù)該矩陣 給出的系統(tǒng)計算各觀測量的因子得分。Options子對話框介紹單擊Options按鈕，打開Options子對話框Missing Values：缺失值處理方法選擇項。Exclude cases lis

12、twise：選擇此項，在分析過程中對那些變量中有缺失值的 觀測量一律剔除，所有帶有缺失值的觀測量都不參與分析；OExclude cases pairwise：選擇此項，成對剔除帶有缺失值勤的觀測量。換 句話說，在計算兩個變量的相關系數(shù)時，只把這兩個變量中帶有缺失值的觀測量 剔除。如果一個觀測量在正進行相關系數(shù)的變量中沒有缺失值，其它變量中帶有 缺失值勤，那么不影響當前相關系數(shù)的計算。OReplace with mean：用該變量的均值代替工作變量的所有缺失值；Coefficient Display Format：此項決定相關系數(shù)的顯示格式。Sorted by size：系數(shù)按其數(shù)值的大小排列；

13、Suppress absolute values less than：選擇此項，不顯示那些絕對值小于指定值 的相關系數(shù)，選擇此項需要在該項右面的矩形框中鍵入臨界值。系統(tǒng)默認的臨界 值為0.10。應用實例利用1995年的數(shù)據(jù)進行因子分析，以對我國社會發(fā)展狀況進行綜合考察第一步：數(shù)據(jù)錄入，定義變量及標簽。設X0：省份；X1：人均GDP （元）； X2：新增固定資產(chǎn)（億元）；X3：城鎮(zhèn)居民人均年可支配收入（元）；X4：農(nóng)村 居民家庭人均純收入（元）；X5：高等學校數(shù)（所）X6：衛(wèi)生機構數(shù)（個）。第二步：統(tǒng)計分析。操作步驟：選擇 Analyzef Data Reductionf Factor,打開 F

14、actor Analysis 主對話框；選擇變量X1至X6,點擊向右的箭頭按鈕，將六個變量移到Variable欄中；點擊Descriptives按鈕，打開Descriptives子對話框。在此對話框的Statistics 下選擇 Initial solution； Correlation Matrix 下選擇 coefficients,單擊 Continue 按鈕， 返回Factor Analysis主對話框；單擊Extraction.按鈕，打開Extraction子對話框。在此對話框的Method下 選擇 Principal components； Analyze 下選擇 Correlati

15、on Matrix； Extract 下選擇 Number of Factor,并在其右端的矩形框鍵入6； Display下選擇Unrotated factor 和 Scree plot,單擊 Continue 按鈕，返回 Factor Analysis 主對話框；第三步：點擊OK按鈕，顯示結(jié)果清單。結(jié)果與分析：Correlation Matrix （相關矩陣）X1X2X3X4X5X6CorrelationX11.000.458.761.934.285-.061X2.4581.000.261.449.658.570X3.761.2611.000.846.251.129X4.934.449.84

16、61.000.390.093X5.285.658.251.3901.000.748X6-.061.570.129.093.7481.000從表Correlation Matrix （相關矩陣）可知，各變量間存在較強的相關關系， 因此有必要進行因子分析。表中主對角線上的元素為1，表明變量自身于自身的 相關系數(shù)為1。Total Variance Explained （解釋總方差）Initial Eigenvalues （初始特征值）Extraction Sums of Squared Loadings （提取平方載荷總和）Tota特征 根% of VarianceCumulative % 累計貢獻

17、率Total 特征 根% of VarianceCumulative %累計貢獻率方差貢獻 率方差貢獻 率13.32555.40955.4093.32555.40955.40921.79129.84585.2541.79129.84585.2543.4938.21293.466.4938.21293.4664.2644.40097.866.2644.40097.8665.0881.47499.339.0881.47499.3396.040.661100.000.040.661100.000Extraction Method: Principal Component Analysis.（提取方法

18、:主成分分析）從表Total Variance Explained （解釋總方差）可知，前三個因子一起解釋總 方差的93.466%（累計貢獻率），這說明前三個因子提供了原始數(shù)據(jù)的足夠信息。根據(jù)以上分析提取因子情況，單擊Extraction按鈕，打開Extraction子對話 框。Extract下選擇Number of Factor，并在其右端的矩形框鍵入3； Display下選 擇 Unrotated factor 和 Scree plot，單擊 Continue 按鈕，返回 Factor Analysis 主對 話框；單擊Scores按鈕，打開Scores子對話框。在此對話框選擇Save a

19、s Variable 和 Display Factor Scree Coefficient matrix，單擊 Continue 按鈕，返回 Factor Analysis 主對話框；點擊OK按鈕，顯示結(jié)果清單。Communalities （因子共同度）InitialExtractionX11.000.966X21.000.940X31.000.942X41.000.962X51.000.852X61.000.947從表Communalities （因子共同度）可看出，變量至都很好地被三個因子解釋，因為這6個變量的因子共同度均在0.8以上。Total Variance Explained （解

20、釋方差總和）Initial Eigenvalues 初始特征值Extraction Sums of Squared Loadings 提取平方載荷的總和Rotation Sums of Squared Loadings 旋轉(zhuǎn)平方載荷的總和Total% of Varian ceCumula tive %Total% of Vari anceCumulat ive %Total% of Varia nceCumulat ive %3.32555.40955.4093.32555.40 955.4092.67444.57 144.5711.79129.84585.2541.79129.84 585.

21、2541.91431.90 376.475.4938.21293.466.4938.21293.4661.01916.99 193.466.2644.40097.866.0881.47499.339.040.661100.000Extraction Method: Principal Component Analysis.（提取方法:主成分分析）從表Total Variance Explained （解釋方差總和）的特征值可看出，提取的前三個因子的特征值共占總方差93 .466%，被放棄的其它3個因子解釋的方差僅占 不到10%，因此說明前三個因子提供了原始數(shù)據(jù)的足夠信息。Component M

22、atrix(a)(因子載荷矩陣)Component123X1.832-.488-.190X2.732.431-.467X3.780-.434.380X4.894-.403.021X5.692.607.071X6.460.805.297Component Matrix(a)(因子載荷矩陣)是初始因子載荷矩陣，通過這個系數(shù) 矩陣可以用各原變量寫出因子表達式，以便了解因子的含義。從表中數(shù)據(jù)看出第 一、第二和第三因子在個別原變量上的載荷值相差不大，故不太好解釋它們的含 義，因此須進一步因子旋轉(zhuǎn)以便更好地了解它們的含義。Rotated Component Matrix（a）（旋轉(zhuǎn)后因子載荷矩陣）Component123X1.893-.074.404X2.223.493.804X3.948.173-.113X4.940.106.260X5.209.829.347X6-.037.968.094Extraction Method: Principal Component Analysis.（提取方法:主成分分析）Rotation Method: Varimax with Kaiser Normalization（. 旋轉(zhuǎn)方法：用凱撤的方差最大