?

是通過(guò)研究變量間的相關(guān)系數(shù)矩陣，把這些變量間錯(cuò)綜復(fù)雜的關(guān)系歸結(jié)成少數(shù)幾個(gè)綜合因子，并據(jù)此對(duì)變量進(jìn)行分類的一種統(tǒng)計(jì)方法，歸結(jié)出的因子個(gè)數(shù)少于原始變量的個(gè)數(shù)，但是他們又包含原始變量的信息，所以也稱為降維

特點(diǎn)：

探索數(shù)據(jù)，當(dāng)變量之間存在高度相關(guān)性的時(shí)候我們希望用較少的因子來(lái)概括其信息

簡(jiǎn)化數(shù)據(jù)，把原始變量轉(zhuǎn)化為因子得分后，使用因子得分進(jìn)行其他分析

綜合評(píng)價(jià)，通過(guò)每個(gè)因子得分計(jì)算出綜合得分后，對(duì)分析對(duì)象進(jìn)行綜合評(píng)價(jià)

因子分析，原始變量會(huì)轉(zhuǎn)變?yōu)樾碌囊蜃?#xff0c;這些因子之間的向廣西較低，而因子內(nèi)部的變量相關(guān)程度較高

?

• 因子載荷

每個(gè)原始變量和每個(gè)因子之間的相關(guān)系數(shù)，反映你變量對(duì)因子的重要性，通過(guò)因子載荷值的高低，我們能知道變量在對(duì)應(yīng)因子中的重要性大小

• 變量共同度

變量共同度就是每個(gè)變量所包含的信息能夠被因子所解釋的程度，其取值范圍介于0-1之間，越大，該變量能被因子解釋的程度越高

• 因子旋轉(zhuǎn)

對(duì)因子載荷矩陣進(jìn)行旋轉(zhuǎn)，使原始變量之間的關(guān)系更為突出，從而對(duì)因子的解釋更加容易

• 因子得分

評(píng)價(jià)每個(gè)個(gè)案在每個(gè)因子上的分值

?

適合因子分析標(biāo)準(zhǔn)：

變量要求為連續(xù)變量，分類變量不適合

建議個(gè)案數(shù)為變量個(gè)數(shù)的5倍以上

KMO 檢驗(yàn)統(tǒng)計(jì)量在0.5以下，不適合。0.7以上

?

?

通過(guò)分析他們?cè)谝欢螘r(shí)間內(nèi)的線上線下行為信息，以找出這些變量的共性，降低分析維度，并對(duì)商戶進(jìn)行綜合評(píng)價(jià)

?

【分析】【降維】【因子】變量移至變量框

【碎石圖】用于輔助判斷因子個(gè)數(shù)

【最大方法差】用于更好的解釋因子所包含的意義

【確定】spss 考試時(shí)運(yùn)行因子分析

?

?

結(jié)果解讀

檢驗(yàn)數(shù)據(jù)是否適合做因子分析，KMO 為 0.627，可以

?

變量共同度，顯示了原始變量能被提取的因子所表示的程度

?

累積方差貢獻(xiàn)率達(dá)到60%即可

?

判斷最佳因子個(gè)數(shù)，通常選曲線較抖的，所以提取2-3個(gè)

?

?

計(jì)算得到每個(gè)商戶的綜合得分

【轉(zhuǎn)換】【計(jì)算變量】根據(jù)表旋轉(zhuǎn)平方和結(jié)果得知

?

?

?

?

?

?

?

總結(jié)

以上是生活随笔為你收集整理的spss 因子分析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。