整理Spss15_軟件進(jìn)行因子分析的統(tǒng)計(jì)分析過(guò)程

1、Spss11.5軟件進(jìn)行因子分析的統(tǒng)計(jì)分析過(guò)程.因子分析的基本步驟(1)菜單選項(xiàng)：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(gòu)造因子變量的方法，默認(rèn)主成分分析法。Extract框：指定確定因子個(gè)數(shù)的標(biāo)準(zhǔn)；(5)Rotation：擇因子載荷矩陣的旋轉(zhuǎn)方法。默認(rèn)是不進(jìn)行旋轉(zhuǎn)。一般可以選擇 Varimax選項(xiàng)采用方差極大法旋轉(zhuǎn)。(6)Scores： Save as variables：將因子得分存成一個(gè)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(hào)的形式表示；m表示是第幾次作的。 Display factor score coefficient matrix項(xiàng)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(jì)因子得分的幾種方法。.因子分析具體過(guò)程在Spss11.5 for windows中進(jìn)行因子分析的統(tǒng)計(jì)分析過(guò)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(guò)程實(shí)現(xiàn)。因子分析的主對(duì)話框：Dcscriptivcs. Extrac-tion. Rotation.Scores.Options.*制誨：啖金電松因子分析的主對(duì)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(jì)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(xiàng)按鈕。Descriptives子對(duì)話框介紹：?jiǎn)螕鬌escriptives.按鈕，打開(kāi)Descriptives子對(duì)話框Statistics：統(tǒng)計(jì)量組：Univariate descriptives：?jiǎn)巫兞棵枋鼋y(tǒng)計(jì)量，選擇此項(xiàng)可以輸出參與分析的 各原始變量的均值、標(biāo)準(zhǔn)差等；Initial solution （默認(rèn)選擇項(xiàng)）：初始分析結(jié)果，選擇此項(xiàng)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(guān)矩陣組：Coefficients相關(guān)系數(shù)選擇此項(xiàng)給出原始變量間的相關(guān)系數(shù)矩陣；Significance levels 顯著性水平選擇此項(xiàng)給出每個(gè)相關(guān)系數(shù)相對(duì)于相關(guān)系數(shù) 為0的假設(shè)檢驗(yàn)概率水平；Determinant相關(guān)系數(shù)矩陣的行列式；KMO and Bartlett,s test of sphericity KMO 和球形 Bartlett 檢驗(yàn)。選擇此項(xiàng) 給出對(duì)采樣充足度的Kaisex-Meyer-Olkin測(cè)度。檢驗(yàn)變量間的偏相關(guān)是否很小。 Bartlett檢

5、驗(yàn)，檢驗(yàn)的是相關(guān)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(guān)系數(shù)矩陣的逆矩陣；Reproduced 再生相關(guān)陣，選擇此項(xiàng)給出因子分析后的相關(guān)陣，還給出殘差， 即原始相關(guān)與再生相關(guān)之間的差值；Anti-image反映象相關(guān)陣。包括偏相關(guān)系數(shù)的負(fù)數(shù)；反映象協(xié)方差陣，包括偏協(xié)方差的負(fù)數(shù)；在一個(gè)好的因子模型中除對(duì)角線上的系數(shù)較大外，遠(yuǎn)離對(duì)角線 的元素應(yīng)該比較小。Extraction子對(duì)話框介紹單擊Extraction按鈕，打開(kāi)Extraction子對(duì)話框Method： 一組指定提取方法的選擇項(xiàng)。單擊矩形框右面的箭頭可以展開(kāi)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(shè)變量是因子的純線性組合；Unweighted least square：不加權(quán)最小平方法。該方法使觀測(cè)的和再生的相關(guān) 陣之差的平方最??；Generalized least squares：用變量的單值加權(quán)，使觀測(cè)的和再生的相關(guān)陣之 差的平方最小；Maximum 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(jì)，如果樣本來(lái)自多元正態(tài)總體，它們與原始變量的相關(guān)陣極為相似；Principal Axis factoring：使用多元相關(guān)平方作為對(duì)公因子方差的初始估計(jì)；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(gè)變量看作其它各變量Analyze：確定相關(guān)矩陣和協(xié)方差矩陣；。Covariance matrix （默認(rèn)選擇項(xiàng)）：相關(guān)矩陣；O Covariance matrix: 協(xié)方差矩陣。Extract：控制提取進(jìn)程和提取結(jié)果的選擇項(xiàng)；Eigenvalues over （默認(rèn)選擇項(xiàng)）該選擇項(xiàng)指定提取的因子的特征值。在此 項(xiàng)后面的矩形框中給出系統(tǒng)默認(rèn)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(xiàng)指定提取公因子的數(shù)目。用鼠標(biāo)單擊此項(xiàng)后， 將指定的數(shù)目鍵入到該選擇項(xiàng)后面的矩形框中。Display：指定與因子提

8、取有關(guān)的輸出項(xiàng)；Unrotated factor solution （默認(rèn)選擇項(xiàng)）：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(hào)與特征值為兩個(gè)坐標(biāo)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(rèn)的最大迭代次數(shù)為25。單擊Rotation按鈕，打開(kāi)Rotation子對(duì)話框Method ：旋轉(zhuǎn)方法選擇項(xiàng)。None （默認(rèn)選擇項(xiàng)）：不進(jìn)行旋轉(zhuǎn)；OVarimax：方差最大旋轉(zhuǎn)；ODirect oblimin：斜交旋轉(zhuǎn)，指定此項(xiàng)可以在下面的矩形框中鍵入相應(yīng)值， 該值應(yīng)該在0-1之間，是因子映

9、象自相關(guān)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(chǔ)上進(jìn)行斜交旋轉(zhuǎn)。Display：輸出顯示的選擇項(xiàng)；Rotated solution （默認(rèn)選擇項(xiàng)）：旋轉(zhuǎn)結(jié)果。反映定此項(xiàng)將對(duì)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(duì)斜交旋轉(zhuǎn)顯示旋轉(zhuǎn)后的因子矩陣模式、 因子結(jié)構(gòu)矩陣和因子間的相關(guān)陣；Loading plots：因子載荷散點(diǎn)圖。指定此項(xiàng)將給出以?xún)蓛梢蜃訛樽鴺?biāo)軸的 各變量的載荷散點(diǎn)圖。如果有兩個(gè)因子，將給出各原始變量 在 Factor1-Factor2 坐標(biāo)系中的散點(diǎn)圖，如果多于兩個(gè)因子，則給出三維因子載荷散

10、點(diǎn)圖。Maximum iteration for Convergence：旋轉(zhuǎn)收斂的最大迭代次數(shù)。系統(tǒng)默認(rèn)值 為25?？梢栽诖隧?xiàng)后面的矩形框中鍵入指定值。Scores子對(duì)話框介紹單擊Scores3按鈕，打開(kāi)Scores子對(duì)話框Save as variables：選擇此項(xiàng)，將因子得分作為新變量保存在數(shù)據(jù)文件中。程 序運(yùn)行結(jié)束后，在數(shù)據(jù)窗口中顯示出新變量。對(duì)每一次分析產(chǎn)生一級(jí)新變量，用 最后一個(gè)數(shù)字字符表示分析的順序號(hào)。每次分析中產(chǎn)生多少個(gè)因子，新生窗口中 給出對(duì)因子得分的命名解釋。Method：指定計(jì)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(jì)因子得分與 實(shí)

11、際因子得分之間的多元相關(guān)的平方；OBartlett：巴特來(lái)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(duì)巴特來(lái)特 因子得分的調(diào)整。其因子得分的均值為0，標(biāo)準(zhǔn)差為1。Display factor score coefficient matrix :選擇此項(xiàng)將在輸出窗口中顯示因子得 分系統(tǒng)矩陣。是標(biāo)準(zhǔn)化的得分系數(shù)，原始變量值進(jìn)行標(biāo)準(zhǔn)化后，可以根據(jù)該矩陣 給出的系統(tǒng)計(jì)算各觀測(cè)量的因子得分。Options子對(duì)話框介紹單擊Options按鈕，打開(kāi)Options子對(duì)話框Missing Values：缺失值處理方法選擇項(xiàng)。Exclude cases lis

12、twise：選擇此項(xiàng)，在分析過(guò)程中對(duì)那些變量中有缺失值的 觀測(cè)量一律剔除，所有帶有缺失值的觀測(cè)量都不參與分析；OExclude cases pairwise：選擇此項(xiàng)，成對(duì)剔除帶有缺失值勤的觀測(cè)量。換 句話說(shuō)，在計(jì)算兩個(gè)變量的相關(guān)系數(shù)時(shí)，只把這兩個(gè)變量中帶有缺失值的觀測(cè)量 剔除。如果一個(gè)觀測(cè)量在正進(jìn)行相關(guān)系數(shù)的變量中沒(méi)有缺失值，其它變量中帶有 缺失值勤，那么不影響當(dāng)前相關(guān)系數(shù)的計(jì)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(xiàng)決定相關(guān)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(xiàng)，不顯示那些絕對(duì)值小于指定值 的相關(guān)系數(shù)，選擇此項(xiàng)需要在該項(xiàng)右面的矩形框中鍵入臨界值。系統(tǒng)默認(rèn)的臨界 值為0.10。應(yīng)用實(shí)例利用1995年的數(shù)據(jù)進(jìn)行因子分析，以對(duì)我國(guó)社會(huì)發(fā)展?fàn)顩r進(jìn)行綜合考察第一步：數(shù)據(jù)錄入，定義變量及標(biāo)簽。設(shè)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(xué)校數(shù)（所）X6：衛(wèi)生機(jī)構(gòu)數(shù)（個(gè)）。第二步：統(tǒng)計(jì)分析。操作步驟：選擇 Analyzef Data Reductionf Factor,打開(kāi) F

14、actor Analysis 主對(duì)話框；選擇變量X1至X6,點(diǎn)擊向右的箭頭按鈕，將六個(gè)變量移到Variable欄中；點(diǎn)擊Descriptives按鈕，打開(kāi)Descriptives子對(duì)話框。在此對(duì)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(duì)話框；單擊Extraction.按鈕，打開(kāi)Extraction子對(duì)話框。在此對(duì)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(duì)話框；第三步：點(diǎn)擊OK按鈕，顯示結(jié)果清單。結(jié)果與分析：Correlation Matrix （相關(guān)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(guān)矩陣）可知，各變量間存在較強(qiáng)的相關(guān)關(guān)系， 因此有必要進(jìn)行因子分析。表中主對(duì)角線上的元素為1，表明變量自身于自身的 相關(guān)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(jì)貢獻(xiàn)

17、率Total 特征 根% of VarianceCumulative %累計(jì)貢獻(xiàn)率方差貢獻(xiàn) 率方差貢獻(xiàn) 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(gè)因子一起解釋總 方差的93.466%（累計(jì)貢獻(xiàn)率），這說(shuō)明前三個(gè)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(kāi)Extraction子對(duì)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(duì) 話框；單擊Scores按鈕，打開(kāi)Scores子對(duì)話框。在此對(duì)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(duì)話框；點(diǎn)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(gè)因子解釋?zhuān)驗(yàn)檫@6個(gè)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(gè)因子的特征值共占總方差93 .466%，被放棄的其它3個(gè)因子解釋的方差僅占 不到10%，因此說(shuō)明前三個(gè)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(guò)這個(gè)系數(shù) 矩陣可以用各原變量寫(xiě)出因子表達(dá)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(gè)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(jìn)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