SPSS:因子分析步骤
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 因子分析步驟
? ? ? ? ? ?某對外漢語培訓中心對在該中心學習的外國留學生進行了一項漢語學習動機問卷調查。使用李克特五級式量表。第一級為最不喜歡，第五級為最喜歡。隨機抽取18人參加調查。其中—個項目調查的是“內在動機”或稱“內在興趣動機”，了解留學生對漢語語言、文化的興迎與喜愛。該項目分為六個問題。
整理數據如下
?
?
一、在spss中建立數據集
二、打開Factor analysis主對話框
1. Analyze(分析)—Deta reduction （數據化簡）--factor （因素）
2. 所有數據放入variable框內
三、進入Factor analysis主對話框右邊的子對話框
??(一) Descriptive子對話框
????1. 選擇Univariables(單變量描述統計量)：會輸出每個變量的平均數、標準差和觀測量
２．選擇Initial solution(初步結果)：會輸出原始分析結果：公因子方差、協方差、各因子的特征值、所占總方差的百分比、累計百分比。這是默認系統，應該保留。
????3. Correlation Matrix(相關矩陣)圍欄，選項含可選擇的相關指標與相關檢驗: 常常選擇（１）（４）
?(1)coeffieient (相關系數)，列出各變量間的相關系數矩陣。
（２）Significance level(顯著性水平)，列出各變量單側檢驗的P值。
（３）Determinant(行列式)選項，輸出相關系數矩陣的行列式。
（４）KMO and Barlett’s tests of sphericity (開塞－梅耶－歐巴金和巴萊特球性檢驗)選項(K-Kaiser, M-Meyer, O-Olkin): 列出球性檢驗的結果，顯示因素模型是否合理。 ???
（５）Inverse (逆矩陣)：列出相關系數的逆矩陣。
（６）Reproduced (在生相關矩陣)，列出因子分析后估計的相關矩陣與殘差。
（７）Anti(逆影像)：列出包括相關系數的負值，包括方差 的負值的逆影像方差矩陣。
（二）Extraction(提取因子) 子對話框。
1. Method：七種方法區別不大。用默認Principal components (主成分分析法)：從解釋變量的變異出發，使變異的方差能夠被主成分所解釋，主要用于獲得初始因子的結果。
2. Analyze圍欄：
（1）Correlation matrix(變量間相關矩陣)。保留默認。
（2）Covariance matrix (變量間協方差矩陣)
3. Display圍欄（輸出結果）
（1） a. Unrotated factor solution（顯示未經旋轉變化的因子提取結果）
??（2） Scree plot(碎石圖)：橫軸為因子序號，縱軸表示特征值大小。該圖按特征值大小依次排列因子，可以看出哪些是主要因子。Maximum Iterations for convergence (收斂最大迭代次數)
4. Extract （設定公因子提取標準）圍欄：
（1）Eigenvalues over (以特征大于莫數值為提取標準)。保留默認選擇系統默認值1.
??（2）Number of factors(自提取因子的數量)。保留默認選擇值1.
?????（3）Maximum iterations for convergence (收斂最大迭代次數)，保留默認選擇25.
4. Rotation （旋轉）
（1）method. 選擇Varimatrix(正交旋轉法)
（2）Display（輸出結果顯示）
a. Rotated solution （旋轉解法）：正交旋轉，輸出旋轉后的模式矩陣和因子轉換矩陣。
b. Loading plot (載荷散點圖：三維圖：坐標值為因子值，各個變量以三點形式分布其中，可以直觀了解變量與因子之間的關系。
5. ?Scores(因子得分)。保留默認。
6. ?Options,保留默認。保留默認。
?
表格說明Communalities?（公因子方差表）：表中給出了各變量中信息分別被提出的比例。提取比例最高的是漢語歌曲0.874，最低的是漢語戲劇0.652.
圖表說明Total Variance Explained?（能解釋的方差比例表），也稱主成份列表 ，是一個非常重要的表格。一個因子所解釋的方差比例越高，這個因子包含原有變量信息的量就越多。第一個成分的初始特征值為2.231，能解釋的方差比例為31.621％，第二個與第三個分別為25.6％和21.4%。其余四個成分都小于1，說明這幾個成分的解釋力度還不如直接引入原變量大。這七個變量只需要提取出頭三個成分即可。
?
圖表說明： Scree Plot 碎石圖中，從第三個成分以后的特征值就降得非常低。第三個成分就是這一圖形的“拐點”。這一之前是主要因子，這一之后是次要因子。因此，這一碎石圖用直觀的方法向我們顯示，在我們這一實例中，只需要提取三個主要成分就行了。
圖表說明：?Component Matrix?成分矩陣表，表中列出未使用旋轉方法時使用因子能解釋的各個變量的比例（各變量的信息被主成份提取了多少）。
圖表說明：表中列出了使用旋轉方法后因子能解釋的各個變量的比例。對比表5可以看出，旋轉后，原先較大的比例變得更大，較小的比例則變得更小。
Extraction Method: Principal Component Analysis：提取方法：主要成分分析法
Rotation Method: Varimax with Kaiser Normalization：旋轉方法：開塞正態方差最大變異法
?
圖表說明
Component Transformation Matrix??成分轉換矩陣表，用來說明旋轉前后主成份間的系數對應關系。
Extraction Method: Principal Component Analysis：提取方法：主要成分分析法
Rotation Method: Varimax with Kaiser Normalization：旋轉方法：開塞正態方差最大變異法
圖表說明
Component Plot Rotated Space (旋轉后的三維主成份圖)，從圖中可見，我們的七個變量并沒有在一個方位上，因此提取一個主成份并不能解釋大部分信息。這就是系統提取了三個主成分的原因。
?
總結
以上是生活随笔為你收集整理的SPSS:因子分析步骤的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 计算机图画大赛作品六年级,打字能手显本领
- 下一篇： 因子分析spss怎么做 spss因子分析