因子分析的實現(xiàn)

因子分析的實現(xiàn)第一頁，共三十九頁，2022年，8月28日SPSS實現(xiàn)因子分析第二頁，共三十九頁，2022年，8月28日第三頁，共三十九頁，2022年，8月28日FACTOR過程的選擇項FACTOR過程的選擇項共分為五類，分別使用主對話框中的五個子對話框按鈕展開相應(yīng)的子對話框進(jìn)行選擇。Descriptives展開相應(yīng)的子對話框可以選擇單變量的描述統(tǒng)計量和初始分析結(jié)果。Extraction展開相應(yīng)的子對話框可以選擇不同的提取公因子的方法和控制提取結(jié)果的判據(jù)。Rotation展開相應(yīng)的子對話框可以選擇因子旋轉(zhuǎn)方法。Scores展開相應(yīng)的子對話框可以要求計算因子得分，選擇顯示或作為新變量保存。Options展開相應(yīng)的子對話框可以進(jìn)一步選擇各種輸出項。第四頁，共三十九頁，2022年，8月28日1、Descriptives子對話框中的選擇項Descriptives子對話框如圖3-2所示。描述統(tǒng)計量分的選擇項為兩組：第五頁，共三十九頁，2022年，8月28日（1）Statistics統(tǒng)計量組，共有兩項供選擇：①UnivariateDescriptives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(biāo)準(zhǔn)差等。②Initialsolution初始分析結(jié)果，選擇此項可以給出原始變量的公因子方差、與變量數(shù)相等的因子、各因子的特征值、各因子特征值占總方差的百分比以及累積百分比。第六頁，共三十九頁，2022年，8月28日（2）CorrelationMatix相關(guān)矩陣組①Coeffients相關(guān)系數(shù)選擇此項給出原始變量間的相關(guān)系數(shù)矩陣。這是分析的基礎(chǔ)②Significancelevels顯著性水平選擇此項給出每個相關(guān)系數(shù)相對于相關(guān)系數(shù)為0的設(shè)檢驗的概率水平。③Determinant相關(guān)系數(shù)矩陣的行列式。④Inverse相關(guān)系數(shù)矩陣的逆矩陣。第七頁，共三十九頁，2022年，8月28日⑤Reproduced再生相關(guān)陣，選擇此項給出因子分析后的相關(guān)陣，還給出殘差，即原軟關(guān)與再生相關(guān)之間的差值。⑥Anti-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)；在一個好的因子模型中除對角線上的系數(shù)較大外，遠(yuǎn)離對角線的元素應(yīng)該比較小。⑦KMOandBartlett'stestofsphericityKMO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(guān)是否很小。Bartlett球形檢驗，檢驗的書相關(guān)陣是否是單位陣。它表明因子模型是否是不合適宜的。Cntinue按鈕確認(rèn)選擇，返回主對話框；Cancle按鈕使選擇作廢，返回主對話框。第八頁，共三十九頁，2022年，8月28日2、Extraction因子提取子對話框Extraction因子提取子對話框如圖3-3所示。有關(guān)因子提取的選擇項共分四部分（如果是主成分分析，則選PrincipalComponents）。第九頁，共三十九頁，2022年，8月28日（1）因子提取方法選擇項子對話框第一項Method：是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選擇項表，提供七種提取方法可以選擇：①Principalcomponents主成份法。該方法假設(shè)變量是因子的純線性組合。②Unweightedleastsquare不加權(quán)最小平方法。該方法使觀測的和再生的相關(guān)陣之差平方最小。③Generalizedleastsquare用變量的單位加權(quán)一體觀測的和再生的相關(guān)陣之差的平方最小。第十頁，共三十九頁，2022年，8月28日④MaximumLikelihoud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(guān)陣極為相似。⑤PrincipalAxisfactoring使用多元相關(guān)的平方作為對公因子方差的初始估計。⑥Alphaα因子提取法⑦Image映象因子提取法。是根據(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的多元回歸。第十一頁，共三十九頁，2022年，8月28日（2）Extract控制提取進(jìn)程和提取結(jié)果的選擇項理論上因子數(shù)目與原始變量數(shù)目相等，但因子分析的目的是用少量因子代替多個原始變色選擇提取多少個因子由本組選擇項決定。①Eigenvaluseover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(rèn)值為1即要求提取那些特征值大于1的因子。指定特征值決定提取因子數(shù)目的方法是系統(tǒng)默認(rèn)的方法。②Numberoffactor該選擇項指定提取公因子的數(shù)目。用鼠標(biāo)單擊選擇此項后，將指定的數(shù)目鍵人到該選擇項后面的矩形框中。第十二頁，共三十九頁，2022年，8月28日（3）Display指定與因子提取有關(guān)的輸出項①Unrotatedfactorsolution要求顯示未經(jīng)旋轉(zhuǎn)的因子提取結(jié)果。此項為系統(tǒng)默認(rèn)的輸出項。②Screeplot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(biāo)軸的碎石圖。（4）MaximumiterationsforConvergence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。Continue按鈕確認(rèn)所有選擇，返回主對話框；Cancel按鈕作廢本次所有選擇，返回主對話框。第十三頁，共三十九頁，2022年，8月28日3、Rotation旋轉(zhuǎn)方法選擇子對話框Rotation旋轉(zhuǎn)方法選擇子對話框如圖3-4所示，選擇項分三組（如果是主成分分析就選None）。第十四頁，共三十九頁，2022年，8月28日（1）Methd旋轉(zhuǎn)方法選擇項①None不進(jìn)行旋轉(zhuǎn)。此為系統(tǒng)默認(rèn)的選擇項。②Varimax方差最大旋轉(zhuǎn)③Equamax平均正交旋轉(zhuǎn)④Quartmax四次方最大正交旋轉(zhuǎn)⑤DirectOblimin斜交旋轉(zhuǎn)，指定此項可以在下面的矩形框中鍵入（值，該值應(yīng)該在0~1之間，是因子映象自相關(guān)的范圍。0值產(chǎn)生最高相關(guān)因子，大負(fù)數(shù)產(chǎn)生旋轉(zhuǎn)的結(jié)果與正交接近。第十五頁，共三十九頁，2022年，8月28日（2）Display有關(guān)輸出顯示的選擇項①Rotatedsoltion旋轉(zhuǎn)結(jié)果。指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(gòu)矩陣和因子間的相關(guān)陣。②Lodingplot(s)因子載荷散點圖。指定此項將給出以兩兩因子為坐標(biāo)軸的各變量的載荷散點圖。如果有兩個因子，給出各原始變量在factorl－factor2坐標(biāo)系中的散點圖，如果多于兩個因子則給出三維因子載荷散點圖。（3）MaximumiterationsforConvergence：旋轉(zhuǎn)收斂的最大迭代次數(shù)。系統(tǒng)默認(rèn)值為25?？梢栽诖隧椇竺娴木匦慰蛑墟I入指定值。第十六頁，共三十九頁，2022年，8月28日有關(guān)因子得分的選擇項在FactorScorce子對話框中。對話框如圖3-5所示。選擇項共分三組：4、FactorScorce有關(guān)因子得分的選擇項第十七頁，共三十九頁，2022年，8月28日（1）Saveasvariables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(yùn)結(jié)束后，在數(shù)據(jù)窗中顯示出新變量。對每一次分析產(chǎn)生一組新變量，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，就生成多少個新變量，因子序號占倒數(shù)第三個字符的位置。倒數(shù)第二個字符為"－"。在輸出窗中給出對因子得分的命名解釋。第十八頁，共三十九頁，2022年，8月28日（2）Method指定計算因子得分的方法。可供選擇的方法有：①Regression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際因子得分之間的多元相關(guān)的平方。②Bartlett巴特利特法。因子得分均值為0。③Anderson-Rubin安德森一魯賓法。是為了保證因子的正交性而對巴特利特因子得分的調(diào)整。其因子得分的均值為0，標(biāo)準(zhǔn)差為1。第十九頁，共三十九頁，2022年，8月28日

（3）Displayfactorscorecoefficientmatrix選擇此項將在輸出窗中顯示因子得分系數(shù)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)該矩陣給出的系數(shù)計算各觀測量的因子得分。第二十頁，共三十九頁，2022年，8月28日5、Options有關(guān)輸出的選擇項有關(guān)輸出方式以及對帶有缺失值的觀測量處理方法的選擇項均在Options子對話框中。Options子對話框如圖3-6所示。第二十一頁，共三十九頁，2022年，8月28日初步分析的統(tǒng)計量，分為兩部分。星號左面的兩項，右面的四項。分別解釋如下：①Variable變量②Communality公因子方差，原始變量的公因子方差均為1，五個變量的公因子方差之總和為5。③Factor因子序號。④Eigenvalue各因子的特征值。前兩個因子的特征值大于1。⑤PctofVar各因子特征值占特征值總和的百分比。⑥CumPct自上至下各因子方差占總方差百分比的累積百分比。第二十二頁，共三十九頁，2022年，8月28日初始統(tǒng)計量第二十三頁，共三十九頁，2022年，8月28日對于初用SPSS進(jìn)行統(tǒng)計分析的同學(xué)，可以完全使用系統(tǒng)默認(rèn)值進(jìn)行最簡單的因子分析。雖然可能得不到非常滿意的結(jié)果，但通過初步分析可以對所研究的問題有初步的認(rèn)識，對進(jìn)一步的研究會有幫助。對比較簡單的問題，有時只使用系統(tǒng)默認(rèn)值進(jìn)行因子分析就可以得到比較滿意結(jié)果。第二十四頁，共三十九頁，2022年，8月28日以城鎮(zhèn)居民消費(fèi)支出資料為例,用因子分析法對各省、市作綜合評價（spssex-3/城鎮(zhèn)居民消費(fèi)支出的因子分析）

以經(jīng)濟(jì)效益數(shù)據(jù)為例，用因子分析法對各企業(yè)作綜合評價（spssex-3/經(jīng)濟(jì)效益的因子分析）SPSS的實例分析第二十五頁，共三十九頁，2022年，8月28日城鎮(zhèn)居民消費(fèi)支出的因子分析第二十六頁，共三十九頁，2022年，8月28日x1：人均糧食支出（元/人）x2：人均副食支出（元/人）x3：人均煙、酒、茶支出（元/人）x4：人均其他副食支出（元/人）x5:人均衣著商品支出（元/人）x6:人均日用品支出（元/人x7:人均燃料支出（元/人）x8:人均非商品支出（元/人）指標(biāo)解釋：第二十七頁，共三十九頁，2022年，8月28日第二十八頁，共三十九頁，2022年，8月28日第二十九頁，共三十