因子分析在学生成绩综合评价中的应用
因子分析在学生成绩综合评价中的应用
因子分析在学生成绩综合评价中的应用
综观当今的学校教育，学生的成绩对老师、家长和学生都有着非常重要的意义。
因此如何合理地综合评价学生的成绩，起着至关重要的作用。
本文的主要目的，就是利用因子分析等方法，来探索学生成绩综合评价的有效性和可靠性。
首先，我们来谈谈因子分析。
因子分析是一种数据分析技术，它可以把复杂的观察变量拆分成一组较少的根本因素，从而揭示数据中隐藏的潜在构成。
在调查学生成绩综合评价方面，可以采用多元因子分析，将学生成绩的各个维度，如学习表现、学习习惯、社会行为等，通过因子分析，分解并重新组合，形成新的综合评价体系。
此外，我们还可以从更宏观的角度，利用因子分析来探究学生成绩综合评价的有效性和可靠性。
因子分析可以通过不断地改进综合评价体系，把各项综合评价指标综合起来，并且不断校正和完善，使之成为最能反映学生实际情况的综合评价体系。
最后，在因子分析的基础上，我们还可以进一步对学生成绩综合评价进行深入的研究，比如探究一些特殊学生群体的成绩综合评价情况，这样可以更好的了解学生的学习表现，从而更好地跟踪其学习过程。
从以上分析可以发现，因子分析是一种可以帮助学校来综合评价学生成绩的有效方法。
它可以把观察变量拆分成一组较少的根本因素，通过对综合评价指标的不断校正和完善，最终构建最能反映学生实际情况的综合评价体系。
因此，学校和教育主管部门有必要在构建学生
成绩综合评价体系时，充分考虑因子分析的作用，以更好地为学生提供客观、全面、准确的成绩评价。
综上所述，因子分析在学生成绩综合评价中有着十分重要的作用，可以帮助教师、家长以及学校管理者更好地了解学生的表现，以便更加有效的帮助他们提高学习水平。
因子分析在教育质量评价中的实际案例分析
因子分析在教育质量评价中的实际案例分析教育质量评价在如今的社会中扮演着至关重要的角色。
了解学生的学习情况和教学效果，有助于改进教学质量和学生的学习结果。
因子分析作为一种多元统计方法，可以帮助教育机构对教育质量进行评价和改进。
本文将通过实际案例分析，探讨因子分析在教育质量评价中的应用。
首先，我们来看一个实际案例。
某小学为了评估学生的学业表现和教学质量，决定进行因子分析。
首先，他们收集了学生的成绩单、参与课外活动的情况、家庭背景等数据。
然后，他们使用因子分析来探索这些变量之间的内在关系。
经过分析，他们发现学生的成绩和参与课外活动之间存在一定关联，同时家庭背景也对学生成绩有一定影响。
在这个案例中，因子分析帮助学校发现了学生学业表现的内在因素。
通过这些因素的分析，学校可以更好地了解学生的学习情况，为学生提供更有针对性的教学和辅导。
同时，学校也可以针对不同因素制定相应的教学改进计划，以提高教学质量。
除了在学生学业表现上的应用，因子分析在教学质量评价中还有许多其他应用。
例如，某高校为了评估教师的教学效果，决定进行因子分析。
他们收集了学生的评教结果、课程满意度、学生学业表现等数据，并进行因子分析。
通过分析，他们发现教师的教学效果与学生的评教结果和课程满意度密切相关，同时也与学生的学业表现有一定关联。
在这个案例中，因子分析帮助学校了解了教师的教学效果的内在因素。
通过这些因素的分析，学校可以为教师提供更有针对性的培训和辅导，帮助教师提高教学质量。
同时，学校也可以根据不同因素制定相应的教学改进计划，以提高整体的教学质量。
总的来说，因子分析在教育质量评价中起着至关重要的作用。
通过对多个变量进行综合分析，因子分析可以帮助教育机构了解教育质量的内在因素，为教育改进提供有力支持。
希望未来能有更多的教育机构能够意识到因子分析在教育质量评价中的重要性，并加以应用。
相信随着因子分析在教育领域的深入应用，教育质量将会得到更大的提升。
因子分析在教育质量评价中的实际案例分析(Ⅱ)
因子分析在教育质量评价中的实际案例分析教育质量评价是教育管理中非常重要的一个环节，它可以帮助学校和教育机构了解教学质量的现状，找出存在的问题，并制定改进措施。
因子分析是一种多变量统计方法，可以帮助我们理解变量之间的内在结构，并找出潜在的因子。
在教育质量评价中，因子分析可以帮助我们识别影响学校教学质量的关键因素，从而有针对性地改进教育质量。
下面，我们通过一个实际案例来探讨因子分析在教育质量评价中的应用。
案例背景某市教育局想要对该市中小学的教育质量进行评价，并且希望通过评价结果找出存在的问题，为学校的改进提供科学依据。
为了达到这一目的，教育局决定对学校的教学质量、教师水平、学生综合素质等方面进行评价，以期找出影响教学质量的关键因素，并制定相应的改进措施。
数据收集教育局首先收集了相关数据，包括学校的师生比、师资水平、学生素质等多个变量。
这些数据既包括客观指标，如教师的学历、学生的考试成绩，也包括主观指标，如教师对学校教学环境的满意度、学生对学校教学质量的评价等。
因子分析在收集完数据后，教育局委托统计专家对数据进行了因子分析。
通过因子分析，专家发现在所收集的变量中，存在一些内在的联系，例如教师的学历、教学经验和对教学环境的满意度之间存在一定的关联。
通过因子分析，专家将这些变量归纳整合，得到了几个潜在的因子，如“教师水平”、“学校教学环境”等。
结果解读通过因子分析后，教育局得到了一些关键的结论。
首先，教师的学历、教学经验和对教学环境的满意度等因素构成了“教师水平”这一因子，这表明学校可以通过提升教师的学历和经验，改善教学环境来提高教学质量。
其次，学生的综合素质、学校的学习氛围等因素构成了“学校教学环境”这一因子，这表明学校可以通过加强学生的综合素质培养，营造良好的学习氛围来提高教学质量。
改进建议基于因子分析的结果，教育局提出了一系列的改进建议。
针对“教师水平”这一因子，教育局建议学校加强教师的培训和发展，提升教师的专业水平和教学能力；针对“学校教学环境”这一因子，教育局建议学校重视学生的综合素质培养，加强学校管理，营造良好的学习氛围。
因子分析法在成绩分析中的应用研究
因子分析法在成绩分析中的应用研究①付政庆1，郭兰兰2*，赵文才1，刘洪霞1（1.山东科技大学数学与系统科学学院，山东青岛266590；2.山东科技大学机械电子工程学院，山东青岛266590）一、引言目前大学生成绩评价方法有很多，其中比较常用的方法有比例制、学分制、考评制、考察制等。
通过这些方法对学生进行考查，方式和目的简单明了。
但是这些方法的缺点是不能反映学生个体的特点，也不能反映学生的突出能力，尤其是专业能力。
为了能够通过成绩深入分析学生特点，可以采用因子分析等多元统计方法[1]。
不但能对学生特点做出针对性评价，而且能帮助学生将自身特点与专业学习相互融合。
大学生的学习成绩是学习生活的记录，能够比较准确地反映该生的学习情况。
利用因子分析的方法对成绩进行深入研究，可以判断出学生学习的能力和爱好，甚至可以作为学生以后发展方向的参考。
本文利用因子分析方法，通过成绩建立客观的评价标准，并且给学生一个相对准确的评价[2]。
二、因子分析法用因子分析法处理和分析数据时，首先将原始数据标准化并求出其相关系数矩阵，然后在相关矩阵的数据中找到其中具有共性的因素，从而把多个复杂的变量组合为少数的几个因子，达到降维的效果，并且在此过程中能找到原始变量和公共因子之间的关系[3]。
因子分析法将原始变量进行分解，得到了由共同具有的少数几个公共因子组成的公因子和每个变量独自具有的因素的特殊因子。
首先将数据进行标准化处理，得到变量X=（x1，x2，…，x p）T，x i（i=1，2，…，p）均值为0，标准差为1。
因子分析的一般模型为X=A F+ε（1）式中，A=（a ij）p×m为因子载荷矩阵，公因子向量F=（f1，f2，…f m）′是不可观测的维列向量。
ε为特殊因子，代表公因子以外的其他影响因素，实际分析时可以忽略不计[4]。
因为假定公因子之间相互独立，所以模型也称为正交因子模型[5，6]。
三、因子分析的步骤（1）将原始数据进行标准化。
因子分析的应用方向及原理
因子分析的应用方向及原理因子分析是一种统计方法，用于探索观测变量之间的潜在结构和关系。
它基于一组观测变量，旨在找出少数潜在因子（latent factors），这些因子可以解释观测变量之间的相关性。
因子分析可用于多种领域，例如心理学、教育学、社会科学、市场研究等。
本文将介绍因子分析的应用方向和原理。
一、应用方向：1. 市场研究：因子分析可用于分析市场调查数据，揭示潜在的消费者行为和偏好因素。
通过识别潜在因子，可以更好地了解不同产品或服务对消费者的影响力，从而制定针对性的市场策略。
2. 教育评估：因子分析可用于分析学生的学习成绩和考试结果，确定影响学习成绩的潜在因素。
通过了解学生的学习态度、学习动机、学习环境等因素，可以帮助学校和教师制定个性化的教育方案，提高学生的学习效果。
3. 心理学和人格研究：因子分析可用于分析个体的心理特征和人格特征。
通过识别潜在因子，可以揭示出不同人格特征之间的相互关系，进一步了解人的行为模式和心理状态。
4. 社会科学研究：因子分析在社会科学研究中有广泛应用。
例如，可以通过因子分析来研究社会经济地位、政治态度、媒体使用习惯等社会现象，了解这些现象背后的潜在因素和模式。
5. 健康研究：因子分析可用于分析健康相关的数据，例如生活方式、饮食习惯、体质指标等。
通过识别潜在因子，可以揭示出与健康相关的潜在因素，进一步研究其对健康的影响和作用机制。
二、原理：因子分析的原理基于一组观测变量和潜在因子之间的相关性。
观测变量可以是各种测量指标，例如问卷调查中的多个问题，而潜在因子是无法直接观测到的变量，它们是通过观测变量共同解释的。
因子分析的过程主要有以下几个步骤：1. 数据收集和准备：收集相关的观测变量数据，确保数据的有效性和完整性。
2. 相关性分析：分析观测变量之间的相关性，确定是否适合进行因子分析。
相关性分析可以使用相关系数矩阵或协方差矩阵来展示。
3. 因子提取：根据相关性矩阵（或协方差矩阵），使用一种因子提取方法来识别潜在因子。
因子分析模型在学生多元化评价中的应用
种 有 效 的量 化 评 价 方 法 ． 够 比较 全 面地 反 映 出 学生 的 学业 能 能 力和 综 合 素 质 。
关键 词 ： 因子 分析 ； 业 能 力 ； 合 素 质 学 综
量 之 间的 相 关 性 ， 且 简 化 变 量 的 维 数 与结 构 。 并
一
、
问题 提 出
多元 因 子分 析 法 基 于 如 下 的 多元 因 子 数学 模 型 ： 设 原 假 有 变 量 有 Ｐ个 ， 别 用 Ｘ） ， 。 示 ； 分 １ …ｘ 表 Ｘ 因子 变 量 有 ｍ 个 ， 分 别 用 Ｆ，２ …，ｍ 示 ， 用 多元 因子 分 析 法 可 建 立 如 下 ， Ｆ ， Ｆ 表 运
维普资讯
因子
应用
摘 要 ：本 文 把 因子 分 析 数 学模 型 应 用 在 大 学生 学业 能 力 和 综合 素 质 的 多元 化评 价 中 ． 践表 明这 种 评 价 方 法 是 一 实
二 、 多 元 因 子 分 析 数 学 模 型 及 多 元 因 子 分 析 方 法 简 介
ｅ ｐｏｙ ｅ ｎ Ｓｅ ｎｔ ｅ ｈ ｎｔ ｒ ａｉ ａ ｍ ｌ ｍ ｎｔｉ ｖｅ ｅ ｎｔ Ｉ ｅ ｔ ｌ Ｃｏｎ ｅ ｅ ｅ ｉ ｂｏ ｎ ｏｎ ｆｒ ｎｃ ｄ Ｌａ ｒ
进 行 调查 ， 用 多 阶段 、 层 、 群 抽 样 的 方式 抽 取 ， 采 分 整 调查 采
取 调 查 员 人 户访 问 的 方式 ． 住 户 中 的登 记 对 象 逐 一 进 行 询 对 问和 登 记 。 因此 ， 国 劳 动力 调 查 已经 具 备 了作 为基 础 调 查 我 的条 件 ， 可将 灵 活 就 业 调查 模 块 附 于 劳 动 力 调 查 中 ， 劳 动 在
）
[全]SPSS数据分析,基于因子分析学生成绩综合评价
![[全]SPSS数据分析,基于因子分析学生成绩综合评价](https://img.taocdn.com/s3/m/6c7b64ef7375a417876f8f15.png)
SPSS数据分析，基于因子分析学生成绩综合评价因子分析在成绩综合评价中的应用成绩可以是多方面的，包括在校大学生的考试成绩、高考生的入学成绩、公务员考试的笔试（面试）成绩、公司员工或政府官员的测评考核成绩等，本节以学生的考试成绩为例，利用因子分析进行对考核对象的综合评价。
学生成绩能反映学生掌握知识和各种能力的程度，综合得分是评价一个学生学习好坏、评定奖学金和评先评优等工作中最重要的一个指标，也是择优推荐就业很主要的参考因素。
因此，合理的、公平的、科学的对学生成绩做出综合评价显得格外重要。
因子分析概念因子分析是多元统计的重要分析方法之一，其基本思想是根据相关性大小对变量进行分组，使得同组内的变量之间相关性较高，不同组的变量之间相关性较低，每组变量代表了一个基本结构，因子分析中将之称为公共因子。
因子分析在教育学、社会经济学、心理学等领域都有广泛的应用价值。
数据来源SPSS操作依次单击菜单“分析—降维—因子”执行因子分析过程，选取变量。
点击“描述”按钮，依次选系数、显著性水平、KMO 和巴特利特球形度检验，点击继续，返回主菜单。
单击“提取”按钮，勾选“碎石图”，其他选项默认，选择主成份法进行因子提取。
单击“继续”按钮返回主面板。
单击旋转按钮，单击选中最大方差法单选框，表示采用方差最大旋转法进行因子旋转。
单击继续按钮返回主面板。
单击得分按钮，勾选底部的显示因子得分系数矩阵复选框。
单击继续按钮返回主面板。
设置完毕后，点击确定，生成结果。
结果分析KMO检验和Bartlett球形检验。
如图22-11所示，KMO检验研究变量间的偏相关性，计算偏相关时控制了其他因素的影响，所以比简单相关系数要小，一般KMO统计量大于0.9时效果最佳，0.7以上可以接受，0.5以下不宜作因子分析，本例KMO取值0.857进一步印证了作因子分析的必要性。
Bartlett球形检验统计量的Sig值小于0.01，由此否定相关矩阵为单位阵的零假设，即认为各变量之间存在显著的相关性，这与从相关矩阵得出的结论致。
因子分析在教育评估中的应用实例(Ⅲ)
教育评估是教育领域中非常重要的一部分，它可以帮助教育工作者们更好地了解学生的学习状况，发现问题并加以解决。
因子分析作为一种多元统计方法，在教育评估中的应用已经得到了广泛的认可。
本文将通过几个具体的实例来说明因子分析在教育评估中的应用。
首先，我们可以以学生学业成绩为例来说明因子分析在教育评估中的应用。
学业成绩是评估学生学习情况的一个重要指标。
通过因子分析，可以将学生的成绩按照不同的维度进行划分，比如数学成绩、语文成绩、英语成绩等。
这样一来，教育工作者们就可以更清晰地了解学生在不同学科上的学习情况，有针对性地进行教学和辅导。
其次，因子分析还可以应用在学生行为和人格特征的评估中。
通过对学生的行为和人格特征进行因子分析，可以将这些特征分解为不同的因子，比如外向性、内向性、稳定性、情绪控制等。
这样一来，教育工作者们就可以更全面地了解学生的个性特征，有针对性地进行心理辅导和个性化教学。
另外，因子分析还可以在教育评估中用于课程评价。
通过对学生对不同课程的评价数据进行因子分析，可以将这些数据分解为不同的因子，比如课程难度、教学质量、教学方式等。
这样一来，教育工作者们就可以更具体地了解学生对不同课程的评价情况，有针对性地进行课程改进和优化。
最后，因子分析还可以在学校综合评估中发挥作用。
通过对学校的各项指标数据进行因子分析，可以将这些指标分解为不同的因子，比如师资力量、教学设施、教学质量等。
这样一来，教育管理者们就可以更全面地了解学校的综合情况，有针对性地进行学校管理和提升。
综上所述，因子分析在教育评估中具有非常重要的应用价值。
它可以帮助教育工作者们更全面地了解学生的学习情况和个性特征，有针对性地进行教学和辅导；可以帮助教育管理者们更全面地了解学校的综合情况，有针对性地进行学校管理和提升。
因此，我们应该更加重视因子分析在教育评估中的应用，不断探索和完善其在教育评估中的具体实践。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
137
科学计算及信息处理
张永福等 :因子分析在学生成绩综合评价中的应用
以便得到更简单的结构 ,便于因子解释 。 因子分析的核心问题有 2 个 : 如何构造因子变量 ; 如
何对因子变量进行命名解释[3] 。 因此 ,因子分析的基本步骤和解决思路就是围绕这
2 个核心问题展开的 。因子分析常有以下 4 个基本步骤 : (1) 确认待分析的原有干变量是否适合作因子分析 ; (2) 构造因子变量 ; (3) 利用旋转方法使因子变量更具有可解释性 ; (4) 计算因子变量得分 。
对于给定的 n 个样本 ( 学生) , m 个原始调查变量 ( 评
价指标) 原始数据矩阵如下 :
x11 , x12 … x1m
x21 , x22 , … x2m
X= …
(1)
x n1 , x n2 … x nm 式中 X ij 为第 i 个被评价学生在第 j 个变量 (评价指标) 上 的结果 。假设有 p 个因子( p ≤m) , F = FP ( p = 1 ,2 , …, p) 他们是原始变量的线性组合 :
《现代电子技术》2007 年第 6 期总第 269 期
计算机应用技术
因子分析在学生成绩综合评价中的应用
张永福1 ,赵洪章1 ,穆 扬2
(1. 西北工业大学 航天学院 陕西 西安 710072 ;2. 西北工业大学 教育实验学院 陕西 西安 710072)
摘 要 :在教学管理中 ,需要科学合理地对学生成绩进行综合评价 。目前 ,应用较多的如简单相加法和标准分法都存在 各种缺点 。运用主成分分析的方法对学生成绩进行因子分析 ,并通过分析的结果做出一个综合评价 ,这样可以比较有效地 解决其他分析方法存在的问题 。通过对学生在校期间各科成绩进行因子分析的具体实例研究 ,找出影响学生知识和能力的 主要方面因子 ,并据此对学生成绩做出一个客观 、综合的评价 。
3. 3 因子分析过程及结果 本例数据使用 Minitab1 3 . 31 软件来做 。 (1) 对表 1 中的原始据计算其相关系数阵如表 2
所示 :
表 1 基本资料
项目
学生 数学成绩 表达力指数 历史成绩 语文成绩 工作成绩
关键词 :因子分析 ;各科成绩 ;综合评价 ;实例分析 中图分类号 : TP391 ;O212 文献标识码 :B 文章编号 :10042373X(2008) 062137204
Application of Factor Analysis to Comprehensive Evaluation on Students′Grade
3 实例分析
3. 1 学生成绩评价方法现状 目前 ,对大学生成绩评价方法主要有 : 比例制 、考查
制 、学分制 、德育考评等[4] 。 (1) 比例制 例 :学期成绩由平时考查 、期中 、期末考试成绩按折合
计算 。有期中 、期末考试的课程的成绩 ,按平时 20 %、期 中 30 % ,期末 50 %计算 。无期中考试的课程按平时 30 %、 期末 70 %计算 。比例制引入了对学生平时的学习态度 、 学习状 况 等 方 面 的 考 查 , 打 破 了 只 看 期 末 考 试 成 绩 的 僵局 。
ZHAN G Yo ngf u1 ,ZHAO Hongzhang1 ,MU Yang2
(1. School of Ast ronautics ,No rt hwestern Polytechnical University ,Xi′an ,710072 ,China ; 2. School of Educational Experimentation ,Nort hwestern Polytechnical University ,Xi′an ,710072 ,China)
p 个 新因子的线性组合 :
X1 = b11 F1 + b12 F2 + … + b1 p F p
…
…
…
X m = bm1 F1 + bm2 F2 + … + bmp F p
(3)
式 (3) 即为因子模型 ,其中各因子的系数 bij 称为因子载荷
系数 。当初始负载不易解释时 ,常对负载做变换 ,即旋转 ,
Keywords :facto r analysis ;grade of various subject s ;co mp rehensive evaluation ;example analysis
1 引 言
在各大专院校中经常遇到评定各类奖学金 , 择优分 配 ,推荐研究生等问题 。解决这些问题的关键是如何对学 生在学校期间的表现给予科学的评价 ,而评价的基础是学 生在校期间各门课程学习所获得的多方面的知识和能力 。 在现行的教学体制中 ,这些能力和知识具体表现在对课程 的掌握上 ,即各科成绩 。本文通过对学生在校期间各科成 绩进行因子分析 ,找出影响知识和能力的主要方面 ,并据 此对学生成绩评价提供合理方法 。
2 因子分析法
2. 1 因子分析法基本思想 因子分析是主成分分析的推广与发展 ,他是将具有错
综复杂关系的变量(或样品) 综合为数量较少的几个因子 , 以再现原始变量和因子之间相互关系 ,同时根据不同因子 还可以对变量进行分类 ,属于多元分析中处理降维的一种 统计方法[1 ,2 ] 。
收稿日期 :2007209211
《现代电子技术》2007 年第 6 期总第 269 期
以上方法都从一个方面比较客观地评价一个学生的
成绩 ,但无法对一个学生做出综合客观的评价 。下面将采 用因子分析法对学生成绩进行综合评价 。
3. 2 基本资料 表 1 是某学校 25 位学生的工作成绩资料 ,以此为基
本资料进行分析 。本数据经检验符合因子分析法要求 。
(2) 考查制 例 :体育课等ห้องสมุดไป่ตู้宜集中考试的课程的成绩 ,参照有关 标准制订评定办法 。考查课成绩用优 、良 、及格 、不及格 4 级评定 。 (3) 学分制 例 :学生最终成绩按照以下公式计算 : (学分 ×分数) 之和/ 总学分 ,这种方法体现课程的重要程度 , 学分即是 权重 。 (4) 德育考评制 例 :学生操行成绩作为学生每学期必修课纳入学生学 籍管理 ,毕业后装入学生档案 。学生基准分为 80 分 ,实行 加分 、扣分制度 。
Abstract : We need to have a comp rehensive evaluatio n o n t he st udent s′grade scientifically and reaso nably in t he field of teaching management . At p resent ,t he met hods which are mo stly used in t he aspect include simple addition and standard marks which bot h have t heir own limitatio ns. Making use of t he met hod of facto r analysis in evaluating t he st udent s′grade by using t he p rincipal co mpo nent analysis can give us a more comp rehensive evaluatio n f rom t he analytical result s t han before2mentioned met hods. In t his paper ,we find out t he p rimary factors which can have an influence on t he st udent s′knowledge and ability by st udying on an example and t hen make an objective and comp rehensive assessment on t he st udent s′grade.
2. 2 应用因子分析法进行综合评价应注意问题 (1) 原始指标是否需要转换处理 若原始指标的量纲或经济意义不同 ,将原始指标直接
求得综合得分 ,将很难给予一个合理的经济解释 ;若原始 指标变量数量级差异较大 ,则变量值大的对综合指标 ( 公 共因子) 的影响也大 。因此 ,在用因子分析法时 ,通常需要 对原始指标进行无量纲化处理 。
(2) 什么评价指标适合运用因子分析方法 因子分析法在多元统计中属于降维思想中的一种 ,其 目的在于简化数据 ,通过较少的公共因子反映复杂现象的 基本结构 。原始评价指标少 ,意义明确 ,能较好地反映评 价对象 ,这时不一定要使用因子分析 。如果强行运用 ,不 仅加大计算量 ,而且意义不大 。 此处 ,使用因子分析法进行综合评价目的之一是为了 避免评价指标之间的相关性所引起权重的偏倚 。因此其 中一个前提条件是评价指标之间应该有较强的相关关系 。 如果指标之间的相关程度很小 ,指标不可能共享公共因 子 ,公共因子对于指标的综合能力就偏低 。一般来说 ,可 以通过对指标的相关矩阵进行检验 ,如果相关矩阵的大部 分系数都小于 0. 3 ,则不适合做因子分析 。 (3) 因子模型应选取几个因子进行分析 因子分析的目的是寻求用少数的几个公共因子解释 协方差结构的因子模型 。选取的因子过多 ,应用因子分析 方法就失去原有的意义 ;但选取的因子过少 ,又可能造成 原始信息量的大量损失 。通常有以下 3 种准则 : 以主成分的特征值为标准选取公共因子 。原始评价 指标标准化后 ,由于每个指标的方差为 1 ,假如主成分所 对应的特征值小于 1 ,意味着该主成分连一个指标的方差 都无法解释 ,所以应选取特征值大于或接近于 1 的主成分 作为公共因子 ,舍弃特征值远小于 1 的其他主成分 。 以主成分的方差累计贡献率为标准来选取公共因子 。 方差累积贡献率反映了主成分保留原始信息量的多少 。 一般而言 ,主成分累积贡献率达到 85 %以上就可以说明 和解释问题 ,因此可以以此为标准选取累积贡献率达到 85 %以上的那些主成分作为公共因子 。 根据分析问题的需要或具体问题的专业理论来选取 公共因子 。在多维数据中 ,当维数大于 3 时便不能画出几