利用SPSS进行量表分析报告
SPSS简单数据分析报告
精选范文、公文、论文、和其他应用文档，希望能帮助到你们！SPSS简单数据分析报告目录一、数据样本描述 (4)二、要解决的问题描述 (4)1 数据管理与软件入门部分 (4)1.1 分类汇总 (4)1.2 个案排秩 (5)1.3 连续变量变分组变量 (5)2 统计描述与统计图表部分 (5)2.1 频数分析 (5)2.2 描述统计分析 (5)3 假设检验方法部分 (5)3.1 分布类型检验 (5)3.1.1 正态分布 (5)3.1.2 二项分布 (6)3.1.3 游程检验 (6)3.2 单因素方差分析 (6)3.3 卡方检验 (6)3.4 相关与线性回归的分析方法 (6)3.4.1 相关分析（双变量相关分析&偏相关分析） (6)3.4.2 线性回归模型 (6)4 高级阶段方法部分 (6)三、具体步骤描述 (7)1 数据管理与软件入门部分 (7)1.1 分类汇总 (7)1.2 个案排秩 (8)1.3 连续变量变分组变量 (10)2 统计描述与统计图表部分 (11)2.1 频数分析 (11)2.2 描述统计分析 (14)3 假设检验方法部分 (16)3.1 分布类型检验 (16)3.1.1 正态分布 (16)3.1.2 二项分布 (17)3.1.3 游程检验 (18)3.2 单因素方差分析 (22)3.3 卡方检验 (24)3.4 相关与线性回归的分析方法 (26)3.4.1 相关分析 (26)3.4.2 线性回归模型 (28)4 高级阶段方法部分 (32)4.1 信度 (32)一、数据样本描述本次分析的数据为某公司474名职工状况统计表，其中共包含11个变量，分别是：id（职工编号），gender(性别)，bdate(出生日期)，edcu（受教育水平程度），jobcat（职务等级），salbegin（起始工资），salary（现工资），jobtime(本单位工作经历<月>)，prevexp(以前工作经历<月>)，minority(民族类型)，age(年龄)。
利用SPSS对五点式量表进行差异性分析
利用SPSS寸五点式量表进行差异性分析（两个变项）I 7II10712 11II20 12U$21心-㈢|列创丄理uHXII1C P1212创112选择检定变量III20 12U21一站弹性卓戏型融辑性(2)■予詹龊通裡昙葩害芷仏>歳計夕前轡祈=凰山注朋理直H1 TI国旦ailnl 嘲—丄\^a * _#•； 4 爭｛ 3駆 TTH'Hg附 212】 LJI3^?2J5JiiJf..... ............................................................................................................................................. .............丄[KtjOTff 帧说C审越4 空？ 0 寻・』3I3 T 「如亍1*5计_ is 二3 >■也沖盘問0殆11・1■赛丹tel ;*:云1 r ■畫评H彌i 存兰工・馆■-::』-fl ］创P) JJ 各日旦虹居和出 MCE*!址"粘團旦_| _|韵劃的田工几讪普幅「:J 盟阳4曲杞武止为搏r ■:極中h •亍FA *兄州科n 卫= :TF=3I T I甲切5 咀各才、：惶拦曲-.独立样本T 检定JJ-』,X —Z 了比较平均数法!* ：i上粘團目I • I | 口和亘3直| □工IZ岳宙||2J 」亘工站応的I邪44冲c曜」0寻・$上駆TTMiB■3ii4 al s a!6 117 319 *20 122117 I.列1/■ >12___ 她竝回LOJ-‘为分组变数114-12021135HXIPI :110B1U]]4nlH曲皿心砧畀個m川*.•r▲**■JF--F«*■■*.22JI1]I I 7 /4 3^1J ：l A—/LJ 2选择公私立学校辱米用T检疋j只能考验两个变项c 也|I ；7 REEAT71 :料U 和；l£A,C ■-J T V Z J 阳：右咽吃L F i".吧 廂F 黑 吊叶冋口刖EI0BJ 削翌IT Q 比ml 他連|丄！*1 + 1十1-丨||判切切 *T*rF=jnXjtfWMfl .Ji. it-町L'.：T . 虫细ir岸”習・J ^'SI3 T *BM结果与解释1. Levene 检定用于考验两组变异数是否同质，F=、P=＞,未达显著差异，故两 组变异数可视为相等,因此须看「假设变异数相等」这一列；否则即须看「不 假设变异数相等」这一列。
spss分析报告
spss分析报告SPSS分析报告:这份分析报告旨在对一项关于某公司销售数据的统计分析进行解读和评估。
我们使用SPSS软件对数据进行了处理和分析，以了解销售情况，并为该公司提供相关建议。
销售数据涵盖了过去一年内该公司的销售额、销售数量和销售人数。
我们对这些数据进行了一系列的统计分析，以获取关键指标和趋势。
首先，我们对销售额进行了描述性统计分析。
根据数据，该公司的平均销售额为X，并且标准偏差为X。
销售额的最小值为X，最大值为X。
这些数据表明，在过去一年中，该公司的销售额波动较大，但整体上保持稳定增长。
接下来，我们对销售数量进行了描述性统计分析。
根据数据，该公司的平均销售数量为X，并且标准偏差为X。
销售数量的最小值为X，最大值为X。
这些数据表明，在过去一年中，该公司的销售数量有较大的波动，但总体呈现增长趋势。
然后，我们对销售人数进行了描述性统计分析。
根据数据，该公司的平均销售人数为X，并且标准偏差为X。
销售人数的最小值为X，最大值为X。
这些数据表明，该公司在过去一年中的销售团队规模相对稳定，没有明显的波动。
在进一步的分析中，我们对销售额、销售数量和销售人数之间的相关性进行了检验。
统计结果显示，销售额与销售数量呈正相关关系，相关系数为X，这意味着销售数量的增加会导致销售额的增加。
然而，销售额与销售人数之间的相关性不显著，相关系数为X，这说明销售人数对销售额的影响较小。
最后，我们根据数据和分析结果提出了一些建议。
首先，公司可以通过增加销售人数来促进销售额的增长，因为销售数量与销售额呈正相关关系。
其次，公司可以进一步研究销售波动的原因，并采取相应措施来减少不稳定因素。
此外，公司也可以考虑其他因素对销售额的影响，如市场需求和竞争力等。
总结起来，根据SPSS软件对销售数据的分析，我们得出了该公司销售情况的统计指标和趋势，并为该公司提供了一些建议。
这份报告对该公司的销售管理和决策制定具有一定的参考价值。
SPSS第9章 量表分析
⑤Strict Parallel除要求各项目方差只有齐次性外，还要求各项目均数相 等。
•4）Scale Label输入框，可指定刻度标签。 •5）单击图图9.1左Statistics按钮，打开对话框（图9.1右），在对话 框中可选择要输出的统计量。
• ②Inter-ltem栏，设置变量间的相关信息，下有2个选择项。 • Correlations复选项，将计算各项目间的相关系数。 • Covariances复选项，将计算各项目间的协方差。 • ③Summarizes：计算各项目指标的描述统计量（量表统计量）， 包括均值、方差、相关系数和协方差等多个选择项。
量表分析91信度分析911基本概念912尺度分析的基本过程913结果及其分析914其他个例的分析92多维尺度分析921基本原理922界面和操作步骤923度量mds案例分析924非度量mds个例分析91信度分析量表是在经验层次上对现象连续统一体进行社会研究的测量工具一般有定类定序定距和定比等四种尺度衡量测量质量是信度
• 4）平行测验的信度估计
• 信度也可定义为两平行测验上观察分数间的相关， 即用一个平行测验上某被试的观察分数，去正确推论 另一平行测验上该被试观察分数的能力，用这种能力 值的大小来定义测验的信度。平行测验信度估计的条 件是方差具有齐次性，且两平行测验的均数相等。
• 2、数据要求与假设
• 1）数据要求：用于分析的数据可以是数值型的二 分数据、定序变量和定距变量。如果是二分变量、有 序变量，且为字符型时，必须定义为数值型变量。
• 1）α信度系数
•这是目前最常用的信度系数：它表明量表中每一题得分间的一 致性。该方法适用于项目多重记分的测验数据或问卷数据，可 以用该系数测量累加李克特量表(Likert-type Scale)的信度。累加 李克特量表的数据格式见表9.1。
SPSS分析报告(二)
SPSS实验分析报告二一、婆媳关系*住房条件检验（一）、提出原假设H0原假设: 婆媳关系的好坏程度与住房条件有关系（二）、两独立样本t检验结果及分析表（一）觀察值處理摘要觀察值有效遺漏總計N百分比N百分比N百分比婆媳关系* 住房条件600100.0%00.0%600100.0%由表（一）可知, 本次调查获得的有效样本为600份, 没有遗漏的个案。
表（二）婆媳关系*住房条件交叉列表住房条件總計差一般好婆媳关系紧张計數577860195預期計數48.868.378.0195.0婆媳关系內的%29.2%40.0%30.8%100.0%住房条件內的%38.0%37.1%25.0%32.5%佔總計的百分比9.5%13.0%10.0%32.5%殘差8.39.8-18.0一般計數458763195預期計數48.868.378.0195.0婆媳关系內的%23.1%44.6%32.3%100.0%住房条件內的%30.0%41.4%26.3%32.5%佔總計的百分比7.5%14.5%10.5%32.5%殘差-3.818.8-15.0好計數4845117210預期計數52.573.584.0210.0婆媳关系內的%22.9%21.4%55.7%100.0%住房条件內的%32.0%21.4%48.8%35.0%佔總計的百分比8.0%7.5%19.5%35.0%殘差-4.5-28.533.0總計計數150210240600預期計數150.0210.0240.0600.0婆媳关系內的%25.0%35.0%40.0%100.0%住房条件內的%100.0%100.0%100.0%100.0%佔總計的百分比25.0%35.0%40.0%100.0%由表（二）可知, 一共调查了600人, 其中婆媳关系紧张的组有195人, 占总人数的32.5%；婆媳关系一般的组有195人, 占总人数的32.5%；婆媳关系好的组有210人, 占总人数的35.0%；数据分布均匀。
利用SPSS进行量表分析
第五节利用SPSS进行量表分析在第五章调查研究中，我们介绍了量表的类型、编制的步骤及其应用，在本节将介绍利用SPSS 软件对量表进行处理分析。
在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。
项目分析，目的是找出未达显著水准的题项并把它删除。
它是通过将获得的原始数据求出量表中题项的临界比率值——CR值来作出判断。
通常，量表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够鉴别不同受试者的反应程度。
故往往在量表处理中可以省去这一步。
因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。
在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最常使用的方法。
信度分析，目的是对量表的可靠性与有效性进行检验。
如果一个量表的信度愈高，代表量表愈稳定。
也就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。
根据不同专家的观点，量表的信度系数如果在以上，表示量表的信度甚佳。
但是对于可接受的最小信度系数值是多少，许多专家的看法也不一致，有些专家定为以上，也有的专家定位以上。
通常认为，如果研究者编制的量表的信度过低，如在以下，应以重新编制较为适宜。
在本节中，主要介绍利用SPSS软件对量表进行因素分析。
一、因素分析基本原理因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。
在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。
变量的第一个线性组合可以解释最大的变异量，排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。
主成份数据分析中，以较少成份解释原始变量变异量较大部份。
成份变异量通常用“特征值”v1.0 可编辑可修改表示，有时也称“特性本质”或“潜在本质”。
因素分析是一种潜在结构分析法，其模式理论中，假定每个指针（外在变量或称题项）均由两部分所构成，一为“共同因素”、一为“唯一因素”。
利用SPSS对五点式量表进行差异性分析
v1.0可编辑可修改利用SPSS寸五点式量表进行差异性分析（两个变项）町* E 粧山』'L 峠：氐間护P) JJ 各日g.tL 居和出：'田口 TM 習第」•：」雋即I 删程式 1:U 1 鯉 biK+4J5r.*'^> »| 中卑擞世0ftl *沾-岷疋址事玛JU *116 317 *11 «19 ui24曲:g渤3laR 丁任疋山1J 12 i 51flsnxaj戍为搏*:極生0.J id 4巧、J■1 J •1 414 2 2o ] 】L 21d护陨评件(2)■1& 55(3色2?2J 4 $ J IO 1 5 L 1d» »■1 325 $ 22\ x:3iJ2 2S J J4 njt ] II 1 11 ■ 2121L*>XA qd 4』 g22*5 如 J 11 1r 1Brtfipt 列 G» 44 4斗<it \、： aA 4 d i d 36 do & ] 山 1 j 2t443 221 5%ua444 4 2i10? 1144<.1Ad71 2 51齿咽址廿034 4 4- 415 i £ ]L« ] 11] 2 JI 23233543 5 i 5i 卜卜检苹+ 勺魏沖45» 曲 1 1.2 :J2 53 J343 & 5&1 i4&110jL 2£5 5土i J£11(* 1 11 175力中\/化匕/k 临缶 11 111 1 11 1 rJ j13 22 3i J< JJ J%-j4i11 L ：] 11 . i1 1 32 5444J2 1 L：厂a茁J44B iu ] 1 1 j 1 11 35LL 4扌4 4ii Q 4a aAJ 4 4 4<14 叮& ] B 1i 11L 2242443334 扌44d4 』 i 151151 1J232 112 342 43& i ii 圍 43J 4 <百4 41611*1 |l)13： 912 74 j 443 41i片44a4444 4i171171 112 j2j 132 ■1 4 4 4； 32 2 t !4打 3 nJ4 百 4 百 5~~1? l]t ] II41 J424 3 J # 4224 14 3 黄4 4 4 4 4卡1» 1191 11 1 1 1 1 L2 j2 54 i S&4£ S4r■1 ■1iS 4J201 9 a J斗 1JJ iJ 2 4 3J 、JJ J 讥4 4贯2 JJ3 :-*21 血 2 & iLa J2 L2二4 J1 12I Q :电 J i2125 4 i22 w? 27 1J 11. 13 3L1 4 55 3 2 ii35 j 1 ■1 4 3 5 522 12L12 1333 2 J53 14J5 5©4J.145J4 ■A丄.| 菊逗册晦.-£离 ww SEPUMimi ITffh* 11』曲M 竺；'0召・』£ 15下平网「-r Grt* 1瀰訂丁丁甘児 lg: I. Q 二 H >■ -5I «1d粘團目| • | | 口和处4 |亡|口工||\|锚划］2dnlH曲皿心砧羿個泗泌*.•F咸**■Jr--r-rf£•■*.畑1 ]»]do& jwF「]Lt320鈔琥I鼻.12如吳飙M曲邀商辽•・m\ iji20212245&71112D£_!_ J__i 1 1/选择公私立学校‘为分组变数米用T检疋只能考验两个变项2>25C3212J1213325534J5\50 可43■1 | 45---1 L J 67」亘工站応的I邪44冲0召■連上HifiCB-lll 顧二宜I・1. Levene 检定用于考验两组变异数是否同质，F= P=＞,未达显著差异，故两 组变异数可视为相等,因此须看「假设变异数相等」这一列；否则即须看「不 假设变异数相等」这一列。
利用SPSS进行量表分析
第五节利用SPSS进行量表分析在第五章调查研究中，我们介绍了量表的类型、编制的步骤及其应用，在本节将介绍利用SPSS 软件对量表进行处理分析。
在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。
项目分析，目的是找出未达显著水准的题项并把它删除。
它是通过将获得的原始数据求出量表中题项的临界比率值——CR值来作出判断。
通常，量表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够鉴别不同受试者的反应程度。
故往往在量表处理中可以省去这一步。
因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。
在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最常使用的方法。
信度分析，目的是对量表的可靠性与有效性进行检验。
如果一个量表的信度愈高，代表量表愈稳定。
也就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。
根据不同专家的观点，量表的信度系数如果在0.9以上，表示量表的信度甚佳。
但是对于可接受的最小信度系数值是多少，许多专家的看法也不一致，有些专家定为0.8以上，也有的专家定位0.7以上。
通常认为，如果研究者编制的量表的信度过低，如在0.6以下，应以重新编制较为适宜。
在本节中，主要介绍利用SPSS软件对量表进行因素分析。
一、因素分析基本原理因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。
在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。
变量的第一个线性组合可以解释最大的变异量，排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。
主成份数据分析中，以较少成份解释原始变量变异量较大部份。
成份变异量通常用“特征值”表示，有时也称“特性本质”或“潜在本质”。
因素分析是一种潜在结构分析法，其模式理论中，假定每个指针（外在变量或称题项）均由两部分所构成，一为“共同因素”、一为“唯一因素”。
- 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)。
第五节利用SPSS进行量表分析在第五章调查研究中，我们介绍了量表的类型、编制的步骤及其应用，在本节将介绍利用SPSS软件对量表进行处理分析。
在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。
项目分析，目的是找出未达显著水准的题项并把它删除。
它是通过将获得的原始数据求出量表中题项的临界比率值——CR值来作出判断。
通常，量表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够鉴别不同受试者的反应程度。
故往往在量表处理中可以省去这一步。
因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。
在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最常使用的方法。
信度分析，目的是对量表的可靠性与有效性进行检验。
如果一个量表的信度愈高，代表量表愈稳定。
也就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。
根据不同专家的观点，量表的信度系数如果在以上，表示量表的信度甚佳。
但是对于可接受的最小信度系数值是多少，许多专家的看法也不一致，有些专家定为以上，也有的专家定位以上。
通常认为，如果研究者编制的量表的信度过低，如在以下，应以重新编制较为适宜。
在本节中，主要介绍利用SPSS软件对量表进行因素分析。
一、因素分析基本原理因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。
在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。
变量的第一个线性组合可以解释最大的变异量，排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。
主成份数据分析中，以较少成份解释原始变量变异量较大部份。
成份变异量通常用“特征值”表示，有时也称“特性本质”或“潜在本质”。
因素分析是一种潜在结构分析法，其模式理论中，假定每个指针（外在变量或称题项）均由两部分所构成，一为“共同因素”、一为“唯一因素”。
共同因素的数目会比指针数（原始变量数）还少，而每个指针或原始变量皆有一个唯一因素，亦即一份量表共有n个题项数，则会有n个唯一因素。
唯一因素性质有两个假定：（1）所有的唯一因素彼此间没有相关；（2）所有的唯一因素与所有的共同因素间也没有相关。
至于所有共同因素间彼此的关系，可能有相关或可能皆没有相关。
在直交转轴状态下，所有的共同因素间彼此没有相关；在斜交转轴情况下，所有的共同因素间彼此就有相关。
因素分析最常用的理论模式如下：其中（1）为第i个变量的标准化分数。
（2）Fm为共同因素。
（3）m为所有变量共同因素的数目。
（4）为变量的唯一因素（5）为因素负荷量。
因素分析的理想情况，在于个别因素负荷量不是很大就是很小，这样每个变量才能与较少的共同因素产生密切关联，如果想要以最少的共同因素数来解释变量间的关系程度，则彼此间或与共同因素间就不能有关联存在。
所谓的因素负荷量，是因素结构中原始变量与因素分析时抽取出共同因素的相关。
在因素分析中，有两个重要指针：一为“共同性”，二为“特征值”。
所谓共同性，就是每个变量在每个共同因素之负荷量的平方总和（一横列中所有因素负荷量的平方和），也就是个别变量可以被共同因素解释的变异量百分比，这个值是个别变量与共同因素间多元相关的平方。
从共同性的大小可以判断这个原始变量与共同因素间之关系程度。
而各变量的唯一因素大小就是1减掉该变量共同性的值。
（在主成份分析中，有多少个原始变量便有多少个成份，所以共同性会等于1，没有唯一因素）。
所谓特征值，是每个变量在某一共同因素之因素负荷量的平方总和（一直行所有因素负荷量的平方和）。
在因素分析的共同因素抽取中，特征值最大的共同因素会最先被抽取，其次是次大者，最后抽取得共同因素的特征值最小，通常会接近0（在主成份分析中，有几个题项，便有几个成份，因而特征值的总和刚好等于变量的总数）。
将每个共同因素的特征值除以总题数，为此共同因素可以解释的变异量，因素分析的目的之一，即在因素结构的简单化，希望以最少的共同因素，能对总变异量作最大的解释，因而抽取得因素愈少愈好，但抽取因素的累积解释的变异量愈大愈好。
我们通过一个例子说明如何利用SPSS软件对量表进行分析。
二、利用SPSS对量表进行因素分析【例6-9】现要对远程学习者对教育技术资源的了解和使用情况进行了解，设计一个里克特量表，如表6-27所示。
将该量表发放给20人回答，假设回收后的原始数据如表6-28所示。
操作步骤：⒈录入数据定义变量“A1”、“A2”、“A3”、“A5”、“A6”、“A7”、“A8”、“A9”、“A10”，并按照表输入数据，如图6-33所示。
⒉因素分析（1）选择“AnalyzeData ReductionFactor…”命令，弹出“Factor Analyze”对话框，将变量“A1”到“A10”选入“Variables”框中,如图6-34所示。
（2）设置描述性统计量单击图6-34对话框中的“Descriptives…”按钮，弹出“Factor Analyze:Descriptives”（因素分析：描述性统计量）对话框，如图6-35所示。
①“Statistics”（统计量）对话框A “Univariate descriptives”（单变量描述性统计量）：显示每一题项的平均数、标准差。
B “Initial solution”（未转轴之统计量）：显示因素分析未转轴前之共同性、特征值、变异数百分比及累积百分比。
②“Correlation Matric”（相关矩阵）选项框A “Coefficients”（系数）：显示题项的相关矩阵B “Significance levels”（显著水准）：求出前述相关矩阵地显著水准。
C “Determinant”（行列式）：求出前述相关矩阵地行列式值。
D “KMO and Bartlett’s test of sphericity”（KMO与Bartlett的球形检定）：显示KMO抽样适当性参数与Bartlett’s的球形检定。
E “Inverse”（倒数模式）：求出相关矩阵的反矩阵。
F “Reproduced”（重制的）：显示重制相关矩阵，上三角形矩阵代表残差值；而主对角线及下三角形代表相关系数。
G “Anti-image”（反映像）：求出反映像的共变量及相关矩阵。
在本例中，选择“Initial solution”与“KMO and Bartlett’s test of sphericity”二项，单击“Continue”按钮确定。
（3）设置对因素的抽取选项单击图6-34对话框中的“Extraction…”按钮，弹出“Factor Analyze:Extraction”（因素分析：抽取）对话框，如图6-36所示。
①“Method”（方法）选项框：下拉式选项内有其中抽取因素的方法：A “Principal components”法：主成份分析法抽取因素，此为SPSS默认方法。
B “Unweighted least squares”法：未加权最小平方法。
C “Generalized least square”法：一般化最小平方法。
D “Maximum likelihood”法：最大概似法。
E “Principal-axis factoring”法：主轴法。
F “Alpha factoring”法：α因素抽取法。
G “Image factoring”法：映像因素抽取法。
②“Analyze”（分析）选项框A “Correlation matrix”（相关矩阵）：以相关矩阵来抽取因素B “Covariance matrix”（共变异数矩阵）：以共变量矩阵来抽取因素。
③“Display”（显示）选项框A “Unrotated factor solution”（未旋转因子解）：显示未转轴时因素负荷量、特征值及共同性。
B “Scree plot”（陡坡图）：显示陡坡图。
④“Extract”（抽取）选项框A “Eigenvalues over”（特征值）：后面的空格默认为1，表示因素抽取时，只抽取特征值大于1者，使用者可随意输入0至变量总数之间的值。
B “Number of factors”（因子个数）：选取此项时，后面的空格内输入限定的因素个数。
在本例中，设置因素抽取方法为“Principal components”，选取“Correlation matrix”、“Unrotated factor solution”、“Principal components”选项，在抽取因素时限定在特征值大于1者，即SPSS的默认选项。
单击“Continue”按钮确定。
（4）设置因素转轴单击图6-34对话框中的“Rotation…”按钮，弹出“Factor Analyze:Rotation”（因素分析：旋转）对话框，如图6-37所示。
①“Method”（方法）选项方框内六种因素转轴方法：A “None”：不需要转轴B “Varimax”：最大变异法，属正交转轴法之一。
C “Quartimax”：四次方最大值法，属正交转轴法之一。
D “Equamax”：相等最大值法，属正交转轴法之一。
E “Direct Oblimin”：直接斜交转轴法，属斜交转轴法之一。
F “Promax”：Promax转轴法，属斜交转轴法之一。
②“Display”（显示）选项框：A “Rotated solution”（转轴后的解）：显示转轴后的相关信息，正交转轴显示因素组型矩阵及因素转换矩阵；斜交转轴则显示因素组型、因素结构矩阵与因素相关矩阵。
B “Loading plots”（因子负荷量）：绘出因素的散步图。
③“Maximum Iterations for Convergence”：转轴时之行的叠代最多次数，后面默认得数字为25，表示算法之行转轴时，执行步骤的次数上限。
在本例中，选择“Varimax”、“Rotated solution”二项。
研究者要选择“Rotated solution”选项，才能显示转轴后的相关信息。
单击“Continue”按钮确定。
（5）设置因素分数单击图6-34对话框中的“Scores…”按钮，弹出“Factor Analyze:Factor Scores”（因素分析：因素分数）对话框，如图6-38所示。
①“Save as variable”（因素存储变量）框勾选时可将新建立的因素分数存储至数据文件中，并产生新的变量名称（默认为fact_1、fact_2、fact_3、fact_4等）。
在“Method”框中表示计算因素分数的方法有三种：A “Regression”：使用回归法。