第9章 SPSS因子分析
spss统计分析和应用教程_第9章_结构方程模型
模型识别
确定所设定的模型是否能够对其估计求解.,如果模型是可 识別的,表示理论上模型中的每一个参数都可以估计出唯一的一 个估计值.
模型识别结果包括不能识别<Under-Identified>、适度识别 <just-Identified>及过度识别<Over-Identified>三种.
❖ 模型识别
实验一 结构方程模型
❖ 实验目的
明确结构方程分析有关的概念 熟练掌握结构方程模型构建的过程 能用SPSS软件中的AMOS插件进行结构方程模拟及检验 培养运用结构方程分析方法解决身边实际问题的能力
❖ 准备知识
结构方程模型中常用概念
测量变量：也叫观察变量或显示变量,是直接可以测量的指标. 潜变量：其测量是通过一个或几个可观察指标来间接完成的. 外生潜在变量：他们的影响因素处于模型之外,也就是常说的自变量. 内生潜在变量：由模型内变量作用所影响的变量〔因变量.
〔3可以在一个模型中同时处理因素的测量和因素之间的结构 传统的统计方法中,因素自身的测量和因素之间的结构关系往
往是分开处理的——对因素先进行测量,评估概念的信度与效度,通 过评估标准之后,才将测量资料用于进一步的分析.
在结构方程模型中,则允许将因素测量与因素之间的结构关系纳 入同一模型中同时予以拟合,这不仅可以检验因素测量的信度和效 度,还可以将测量信度的概念整合到路经分析等统计推理中.
❖ 请对大学生闲暇时间消费与满意度之间构 建结构方程模型.
❖ 实验步骤
❖ 结构方程分析由SPSS17.0软件中的 AMOS插件完成.下面以案例说明判别分析 的基本操作步骤.
❖ 实验步骤
〔1准备工作.在SPSSl7.0软件中安装AMOS插件后,先 调用SPSS17.0软件,打开数据文件9-1.sav,通过选择" 文件—打开"命令将数据调入SPSSl7.0的工作文件窗口.
SPSS因子分析法
因子分析一、基础理论知识1 概念因子分析（Factor analysis ）：就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子来反映原资料的大部分信息的统计学分析方法。
从数学角度来看，主成分分析是一种化繁为简的降维处理技术。
主成分分析（Principal component analysis ）：是因子分析的一个特例，是使用最多的因子提取方法。
它通过坐标变换手段，将原有的多个相关变量，做线性变化，转换为另外一组不相关的变量。
选取前面几个方差最大的主成分，这样达到了因子分析较少变量个数的目的，同时又能与较少的变量反映原有变量的绝大部分的信息。
两者关系：主成分分析（PCA）和因子分析（FA）是两种把变量维数降低以便于描述、理解和分析的方法，而实际上主成分分析可以说是因子分析的一个特例。
2 特点（1）因子变量的数量远少于原有的指标变量的数量，因而对因子变量的分析能够减少分析中的工作量。
（2）因子变量不是对原始变量的取舍，而是根据原始变量的信息进行重新组构，它能够反映原有变量大部分的信息。
（3）因子变量之间不存在显著的线性相关关系，对变量的分析比较方便，但原始部分变量之间多存在较显著的相关关系。
（4）因子变量具有命名解释性，即该变量是对某些原始变量信息的综合和反映。
在保证数据信息丢失最少的原则下，对高维变量空间进行降维处理（即通过因子分析或主成分分析）。
显然，在一个低维空间解释系统要比在高维系统容易的多。
3 类型根据研究对象的不同，把因子分析分为R型和Q型两种。
当研究对象是变量时，属于R 型因子分析；当研究对象是样品时，属于Q型因子分析。
但有的因子分析方法兼有R 型和Q型因子分析的一些特点，如因子分析中的对应分析方法，有的学者称之为双重型因子分析，以示与其他两类的区别。
4分析原理假定：有n 个地理样本，每个样本共有p 个变量，构成一个n×p 阶的地理数据矩阵:当p 较大时，在p 维空间中考察问题比较麻烦。
SPSS第九章 因子分析
3.735
62.254
62.254
1.133
18.887
81.142
• 这里的Initial Eigenvalues就是这里的六个
主轴长度，又称特征值（数据相关阵的特
征值）。头两个成分特征值累积占了总方 差的81.142%。后面的特征值的贡献越来越 少。
例： 成绩数据（student.sav）
• 100个学生的数学、物理、化学、语文、历史、
i j
i j
其中rij为第i个变量与第j个变量的简单相关系数；
pij为第i个变量与第j个变量在控制了剩余变量下
的偏相关系数。
3、Bartlett’s球度检验（巴特利特）
以原有变量的相关系数矩阵为出发点，假设相关系数
为单位矩阵，如果该检验对应的P值小于给定的显著性水平 a，则应拒绝原假设，认为原有变量适合进行因子分析。
原有变量用k（k<p）个因子 f1、f2、...、fk 的线性
组合来表示，即：
x1 a11 f1 a12 f2 ......a1k fk 1 x2 a21 f1 a22 f2 ......a2k fk 2
.....................................................
强的相关关系。 2、因子提取； 3、使因子更具有命名可解释性； 4、计算各样本的因子得分。
• 9.2.2因子分析的前提条件
1、计算相关系数并进行统计检验 如果相关系数矩阵中的大部分相关系数小于0.3，那么
这些变量不适合进行因子分析。
2、计算反映象相关矩阵
rij2
MSAi
i j
rij2
pij 2
英语的成绩如下表（部分）。
如何利用SPSS进行因子分析(九)
SPSS（Statistical Package for the Social Sciences）是一种专业的统计软件，广泛应用于各种学术研究和商业分析中。
其中的因子分析是一种常用的数据分析方法，用于发现数据中的潜在因子结构。
本文将介绍如何利用SPSS进行因子分析，并且探讨因子分析的一些相关概念和技巧。
1. 数据准备在进行因子分析之前，首先需要进行数据准备。
这包括数据的清洗、变量的选择和数据的标准化。
清洗数据是为了去除异常值和缺失值，以保证数据的质量。
选择变量是为了确定需要进行因子分析的变量，通常选择相关性较高的变量。
标准化数据是为了使不同变量之间的数值具有可比性，通常采用z-score标准化方法。
2. 进行因子分析在SPSS中进行因子分析非常简单。
首先打开SPSS软件，导入需要进行因子分析的数据文件。
然后依次点击“分析”→“数据降维”→“因子”，在弹出的对话框中选择需要进行因子分析的变量，设置因子提取方法和旋转方法，最后点击“确定”按钮即可进行因子分析。
3. 因子提取与旋转在因子分析中，因子提取是指从原始变量中提取出潜在因子，常用的方法有主成分分析和最大方差法。
而因子旋转是为了使因子更易于理解和解释，常用的旋转方法有方差最大旋转和极大似然旋转。
在SPSS中，可以根据具体的研究目的选择不同的因子提取和旋转方法。
4. 结果解释进行因子分析后，SPSS会输出一些统计指标和结果数据，如特征值、因子载荷矩阵等。
特征值是衡量因子解释变量方差的指标，通常选择特征值大于1的因子作为潜在因子。
因子载荷矩阵则显示了每个变量对于每个因子的贡献程度，可以根据载荷大小解释因子的含义。
5. 结果验证进行因子分析后，还需要对结果进行验证。
通常可以采用内部一致性分析、重测信度分析和因子有效性分析等方法进行结果验证。
在SPSS中，可以利用内部一致性分析来检验因子的稳定性和一致性，重测信度分析可用来检验因子的可靠性，因子有效性分析可用来检验因子的有效性。
《SPSS数据分析教程》——因子分析
《SPSS数据分析教程》——因子分析因子分析（Factor Analysis）是一种常用的统计分析方法，用于研究多个变量之间的相关性和结构关系。
它通过将众多变量转化为相对较少的几个潜在因子，帮助研究者理解和解释数据的结构。
因子分析的目标是通过寻找潜在因子来解释观察到的变量之间的关系。
在因子分析中，变量被假设为由若干个潜在因子和测量误差所决定。
潜在因子是无法直接观测到的，只能通过观测到的变量来推断。
通过因子分析，可以提取出影响变量的潜在因子，从而简化数据分析和数据呈现的复杂度。
因子分析的步骤主要包括：1.设计研究目的和问题。
确定要分析的变量和研究的目标，为分析奠定基础。
2.收集和准备数据。
收集包含需要分析的变量的数据，确保数据的质量，如缺失值处理、异常值处理等。
3.进行初步分析。
对数据进行描述性统计分析，了解各个变量的基本情况，以及变量之间的相关性。
4.进行因子提取。
通过因子提取方法，提取出能够解释大部分变量方差的因子。
常用的因子提取方法有主成分分析法和极大似然估计法等。
5.进行因子旋转。
提取出的因子通常是不易解释和理解的，需要通过因子旋转方法，将因子转化为更容易解释的形式。
常用的因子旋转方法有正交旋转和斜交旋转等。
6.解释因子载荷。
因子载荷表示变量与因子之间的相关性，可以用于解释因子的含义和影响变量的程度。
7.因子得分计算和解释。
通过因子得分计算，可以将观测变量转化为因子得分，从而进一步分析观测变量之间的关系。
8.检验模型合理性。
通过适当的统计方法，检验因子分析模型的合理性和拟合度。
9.解释结果和报告。
根据因子分析的结果，解释潜在因子的含义和变量之间的关系，并撰写报告。
因子分析在很多领域都有广泛的应用，如心理学、教育学、社会学等。
在心理学中，因子分析可以用于构建心理测量量表，如人格特质量表、情绪测量量表等；在市场研究中，可以用于分析消费者的购买动机和偏好等；在教育学中，可以用于分析学生的学习行为和学习成绩等。
心理统计SPSS-第九章 因子分析PPT课件
第六步：点击“Options”设置因子载荷系数的显示格式:
(1) 选中“Sorted by size”，则因子载荷系数按照大小顺序排 列，并构成矩阵，使得在同一因子上具有较高载荷的变量排在一 起，便于得到结论；
(2) 选中“Suppress absolute values less than:”并在其后的方 格中输入一个0～1间的一个数，则因子载荷矩阵中就不再显示那 些小于这个数值的载荷系数了，而只显示那些比此数值大的载荷 值，从而使因子所解释的主要变量一目了然。
出发点
13 15 17 17 16 16 16 18 15 20 14 18 15 12 14 13 15 15 18 13
工作投入
18 16 14 16 16 17 20 17 19 14 14 16 17 14 15 18 16 17 15 18
发展机会
16 18 17 19 18 18 15 18 19 18 16 18 15 14 16 17 14 16 17 16
在相关基础上可计算三个用于判断因子分析适合度的指标： 巴特利特球形检验（Bartlett Test of Sphericity）; KMO(Kaiser-Meyer-Olkin)检验。
巴特利特球形检验（Bartlett Test of Sphericity）
该检验首先假设变量相关矩阵为单位阵（对角线为1、非对 角线为0），然后检验实际相关矩阵与此差异性。如果差异性显 著，则拒绝单位阵假设 ，即认为原变量间的相关性显著 ，适合 于作因子分析，否则不能作因子分析。
四、因子分析的实例分析
对20名大学生进行的有关价值观的测验，包括9个项目，测试 结果如下页所示。要求根据这9项内容进行因子分析，得到维度较 少的几个因子。
(完整版)SPSS因子分析
• 因子分析的作用 • 如何利用SPSS进行因子分析
统计学上的定义
• 因子分析就是用少数几个因子来描述 许多指标或因素之间的联系。
因子分析的特点
（1）因子变量的数量远少于原有的指标变量的数 量，对因子变量的分析能够减少分析中的计算工 作量。
（2）因子变量不是对原有变量的取舍，而是根据 原始变量的信息进行重新组构，它能够反映原有 变量大部分的信息。
（3）因子变量之间不存在线性相关关系，对变量 的分析比较方便。
（4）因子变量具有命名解释性，即该变量是对某 些原始变量信息的综合和反映。
因子分析的4个基本步骤
因子分析有两个核心问题：一是如何构造 因子变量；二是如何对因子变量进行命名 解释。因子分析有下面4个基本步骤。 （1）确定待分析的原有若干变量是否适合 于因子分析。 （2）构造因子变量。 （3）利用旋转使得因子变量更具有可解释 性。 （4）计算因子变量的得分。
3 ） KMO（Kaiser-Meyer-Olkin）检验
2 决定构造因子变量的方法
因子分析中有多种确定因子变量的方法， 如基于主成分模型的主成分分析法和基于 因子分析模型的主轴因子法、极大似然法、 最小二乘法等。其中基于主成分模型的主 成分分析法是使用最多的因子分析方法之 一。下面以该方法为对象进行分析。
1. 确定是否适合于因子分析
因子分析是从众多的原始变量中构造出少数几 个具有代表意义的因子变量，这里面有一个潜 在的要求，即原有变量之间要具有比较强的相 关性。如果原有变量之间不存在较强的相关关 系，那么就无法从中综合出能反映某些变量共 同特性的少数公共因子变量来。因此，在因子 分析时，需要对原有变量作相关分析。
最简单的方法就是计算变量之间的相关系 数矩阵。如果相关系数矩阵在进行统计检 验中，大部分相关系数都小于0.3，并且未 通过统计检验，那么这些变量就不适合于 进行因子分析。
spss因子分析理论原理及操作分析
THANKS FOR WATCHING
感谢您的观看
因子命名
根据因子载荷矩阵，为每个因子赋予有意义 的名称。
结果解读
解释方差
分析解释的总方差，了解每个因子的贡献程 度。
因子得分
根据因子得分公式，计算每个观测值的因子 得分，进行进一步的分析或比较。
因子载荷矩阵
解读变量与因子之间的关系，确定每个变量 对因子的影响程度。
解释与讨论
结合研究目的和专业知识，对因子分析结果 进行解释和讨论。
通过因子分析，可以将复杂的数据结构简化为少数几个公共因子，便 于数据的可视化和管理。
缺点
对样本量要求高
因子分析需要较大的样本量才能获得稳 定和可靠的结果，样本量不足可能导致
分析结果不准确。
对变量间相关性要求高
因子分析要求变量间存在较强的相关 性，如果变量间相关性较弱或没有相
关性，分析结果可能不准确。
03 因子分析理论
主成分分析法
总结词
主成分分析法是一种通过线性变换将原始变量转化为少数几个互不相关的主成 分的方法。
详细描述
主成分分析法通过找出原始数据中的主要成分，使得这些主成分能够尽可能地 保留原始数据中的变异信息，从而达到降维的目的。
最大方差法
总结词
最大方差法是一种因子旋转方法，通 过旋转因子轴使得因子的解释方差达 到最大。
目的
简化数据结构、解释变量间的内在关 系、揭示潜在的公共因子、进行综合 评价等。
因子分析的原理
基于变量间的相关性
因子分析通过研究变量间的相关性，将多个变量归结为少数几个 公共因子，这些公共因子能够反映变量间的内在联系。
降维思想
通过提取公共因子，将多个变量归结为少数几个综合指标，实现数 据的降维处理，便于分析。
spss实用教程-因子分析解析
代表了原始数据的绝大部分信息， 在研究某经济问题时，即使不考虑 变量F2也损失不多的信息。 F1与F2除起了浓缩作用外，还具 有不相关性。 F1称为第一主成分，F2称为第二 主成分。
主成分的计算
先讨论二维情形
X 11 X 21 X X n1
X 12 X 22 ˆ X1 X n2
主成分分析
Principal co的计算
主成分分析的应用
§1
基本思想
主成分分析的基本思想
主成分分析就是把原有的多个指标转化成少数几个
代表性较好的综合指标，这少数几个指标能够反映原来 指标大部分的信息（ 85%以上），并且各个指标之间保 持独立，避免出现重叠信息。主成分分析主要起着降维 和简化数据结构的作用。
X 12 X 1 p X 22 X 2 p X 1 X n 2 X np
X2 X p
X 1i X 2i Xi X ni
其中
这种由讨论多个指标降为少数几个综合指标的过程在数学上就 叫做降维。主成分分析通常的做法是，寻求原指标的线性组合Fi。
i
前两个主成分的累积方差贡献率为：
1 2
i 1
3
121.75 98.7% 123.31
i
多指标 求解主成分的步骤：
在一般情况下，设有n个样品，每个样品观测p个指 标， 将原始数据排成如下矩阵：
x11 x21 ... x n1
x12 x22 ... xn 2
求解主成分的步骤：
1. 求样本均值 X ( x1 , x 2 ) 和样本协方差矩阵S;
2. 求S的特征根 求解特征方程 S I 0 ，其中I是单位矩阵， 解得2个特征根 1 , 2 1 2
《SPSS数据分析教程》——因子分析课件
《SPSS数据分析教程》——因子分析
因子分析
《SPSS数据分析教程》——因子分析
目录
n 12.1 因子分析简介 n 12.2 因子分析法的统计理论
q 12.2.1 因子分析的模型 q 12.2.2 因子分析模型的求解方法 q 12.2.3 因子分析的应用前提 q 12.2.4 因子个数的确定 q 12.2.5 因子的解释 q 12.2.6 因子旋转 q 12.2.7 因子得分 n 12.3 因子分析案例 q 12.3.1 探索变量间的结构关系 q 12.3.2 因子分析在市场调查中的应用 n 12.4 因子分析结果的有效性 n 12.5 因子分析和主成分分析的比较
因子个数的确定
n 有3个方法可以用来确定因子的个数
q 方差贡献率 q 设定特征值条件 q 碎石图
《SPSS数据分析教程》——因子分析
因子旋转
n 当因子分析模型得到的公共因子没有较好的解 释时，一般可以对因子进行旋转以得到原始变 量和公共因子之间关系的较好解释。
n 因子旋转分为正交旋转和非正交旋转。在正交 旋转下，特殊因子的协方差、公共因子的协方 差都不变，因此旋转之后的因子仍然是不相关 的。
10 0
提取平方和载入
合
计
2. 209
0. 606
方
差的%
3 6.824
1 0.095
累
积%
36 .824
46 .918
旋转平方和载入
合
计
1. 606
1. 209
方
差的%
2 6.762
2 0.157
累
积%
26 .762
46 .918
《SPSS数据分析教程》——因子分析
- 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)。
9.1.2 数学模型
因子分析中的几个概念 1.因子载荷 2.变量共同度 公共因子Fj Fj的方差贡献 3.公共因子Fj的方差贡献
9.1.3 因子分析的 个基本步骤 因子分析的4个基本步骤
因子分析有两个核心问题: 因子分析有两个核心问题:一是如何构造 因子变量;二是如何对因子变量进行命名解释. 因子变量;二是如何对因子变量进行命名解释. 因子分析有下面4个基本步骤. 因子分析有下面4个基本步骤. (1)确定待分析的原有若干变量是否适 合于因子分析. 合于因子分析. 构造因子变量. (2)构造因子变量. (3)利用旋转使得因子变量更具有可解 释性. 释性. 计算因子变量的得分. (4)计算因子变量的得分.
(3)因子变量之间不存在线性相关关系, 因子变量之间不存在线性相关关系, 对变量的分析比较方便. 对变量的分析比较方便. 因子变量具有命名解释性, (4)因子变量具有命名解释性,即该变 量是对某些原始变量信息的综合和反映. 量是对某些原始变量信息的综合和反映.
对多变量的平面数据进行最佳综合和简化, 对多变量的平面数据进行最佳综合和简化, 即在保证数据信息丢失最少的原则下, 即在保证数据信息丢失最少的原则下,对高维 变量空间进行降维处理.显然, 变量空间进行降维处理.显然,在一个低维空 间解释系统, 间解释系统,要比在一个高维系统空间容易得 多.
SPSS 16实用教程
第9章 因子分析 章
9.1
因子分析的定义和数学模型 SPSS中实现过程 SPSS中实现过程
9.2
因子分析是将现实生活中众多相关, 因子分析是将现实生活中众多相关,重叠 的信息进行合并和综合, 的信息进行合并和综合,将原始的多个变量和 指标变成较少的几个综合变量和综合指标, 指标变成较少的几个综合变量和综合指标,以 利于分析判定.本章介绍因子分析的定义, 利于分析判定.本章介绍因子分析的定义,因 子分析的数学模型,以及因子分析在SPSS SPSS中的 子分析的数学模型,以及因子分析在SPSS中的 实现过程. 实现过程.
因此, 因此,有可能用较少的综合指标分析存在 于各变量中的各类信息, 于各变量中的各类信息,而各综合指标之间彼 此是不相关的, 此是不相关的,代表各类信息的综合指标称为 因子. 因子.因子分析就是用少数几个因子来描述许 多指标或因素之间的联系, 多指标或因素之间的联系,以较少几个因子反 映原资料的大部分信息的统计学方法. 映原资料的大部分信息的统计学方法.
(13)SPSS输出结果文件中的第十三部分 13)SPSS输出结果文件中的第十三部分 如下表所示. 如下表所示.
(14)SPSS输出结果文件中的第十四部分 14)SPSS输出结果文件中的第十四部分 如下表所示. 如下表所示.
9.2.3 讨论
因子分析是对现实生活中众多的相关, 因子分析是对现实生活中众多的相关,重 叠信息进行合并和综合,它以最少的信息丢失, 叠信息进行合并和综合,它以最少的信息丢失, 将原始的众多变量和指标变成较少的几个综合 变量,以利于分析判定. 变量,以利于分析判定. 在研究中, 在研究中,因子分析得到的结果经常用于 综合判定. 综合判定.
(10)SPSS输出结果文件中的第十部分如 10)SPSS输出结果文件中的第十部分如 下表所示. 下表所示.
(11)SPSS输出结果文件中的第十部分 11)SPSS输出结果文件中的第十一部分 如下表所示. 如下表所示.
(12)SPSS输出结果文件中的第十二部分 12)SPSS输出结果文件中的第十二部分 如图9 所示. 如图9-9所示.
(7)SPSS输出结果文件中的第七部分为 SPSS输出结果文件中的第七部分为 Explained表格 表格. Total Variance Explained表格.如下表所 示.
(8)SPSS输出结果文件中的第八部分如 SPSS输出结果文件中的第八部分如 所示. 图9-8所示.
(9)SPSS输出结果文件中的第九部分如 SPSS输出结果文件中的第九部分如 下表所示. 下表所示.
9.2 SPSS中实现过程 SPSS中实现过程 9.2.1 SPSS中实现步骤 中实现步骤
研究问题 所示为20名大学生关于价值观的9 20名大学生关于价值观的 表9-2所示为20名大学生关于价值观的9项 测验结果,包括合作性,对分配的看法, 测验结果,包括合作性,对分配的看法,行为 出发点,工作投入程度,对发展机会的看法, 出发点,工作投入程度,对发展机会的看法, 社会地位的看法,权力距离,对职位升迁的态 社会地位的看法,权力距离, 以及领导风格的偏好. 度,以及领导风格的偏好.
实现步骤
图9-1 在菜单中选择"Factor"命令 在菜单中选择"Factor"命令
图9-2 "Factor Analysis"对话框 Analysis"对话框
图9-3 "Factor Analysis:Descriptives"对话框 Analysis:Descriptives"对话框
图9-4 "Factor Analysis:Extraction"对话框 Analysis:Extraction"对话框
因子分析有如下特点. 因子分析有如下特点. (1)因子变量的数量远少于原有的指标 变量的数量, 变量的数量,对因子变量的分析能够减少分析 中的计算工作量. 中的计算工作量. 因子变量不是对原有变量的取舍, (2)因子变量不是对原有变量的取舍, 而是根据原始变量的信息进行重新组构, 而是根据原始变量的信息进行重新组构,它能 够反映原有变量大部分的信息. 够反映原有变量大部分的信息.
9.1 因子分析的定义和数学模型 9.1.1 统计学上的定义
定义:在社会,政治, 定义:在社会,政治,经济和医学等领域 的研究中往往需要对反映事物的多个变量进行 大量的观察,收集大量的数据以便进行分析, 大量的观察,收集大量的数据以便进行分析, 寻找规律.在大多数情况下, 寻找规律.在大多数情况下,许多变量之间存 在一定的相关关系. 在一定的相关关系.
表9-2
合作性 16 18 17 17 16 20 18 16 18 17 17 16 20 18 16 18 17 17 16 20
20名大学生的9项测验结果 20名大学生的 名大学生的9
分 配 16 19 17 17 15 17 16 16 19 17 17 15 17 16 16 19 17 17 15 17 出发点 13 15 17 17 16 16 16 13 15 17 17 16 16 16 13 15 17 17 16 16 工作投入 18 16 14 16 16 17 20 18 16 14 16 16 17 20 18 16 14 16 16 17 发展机会 16 18 17 19 18 18 15 16 18 17 19 18 18 15 16 18 17 19 18 18 社会地位 17 18 18 18 18 18 16 17 18 18 18 18 18 16 17 18 18 18 18 18 权力距离 15 18 16 19 15 17 19 15 18 16 19 15 17 19 15 18 16 19 15 17 职位升迁 16 17 16 20 16 19 14 16 17 16 20 16 19 14 16 17 16 20 16 19 领导风格 16 19 16 19 16 18 17 16 19 16 19 16 18 17 16 19 16 19 16 18
9.2.2 SPSS结果解释 结果解释
(1)SPSS输出结果文件中的第一部分如 SPSS输出结果文件中的第一部分如 下表所示. 下表所示.
(2)SPSS输出结果文件中的第二部分如 SPSS输出结果文件中的第二部分如 下表所示. 下表所示.
(3)SPSS输出结果文件中的第三部分如 SPSS输出结果文件中的第三部分如 下表所示. 下表所示.
图9-5 "Factor Analysis:Rotation"对话框 Analysis:Rotation"对话框
图9-6 "Factor Analysis:Facfor Scores"对话框 Analysis: Scores"对话框
图9-7 "Factor Analysis:Options"对话框 Analysis:Options"对话框
9.1.4 确定待分析的原有若干变量是 否适合于因子分析
因子分析是从众多的原始变量中构造出少 数几个具有代表意义的因子变量, 数几个具有代表意义的因子变量,这里面有一 个潜在的要求, 个潜在的要求,即原有变量之间要具有比较强 的相关性. 的相关性.如果原有变量之间不存在较强的相 关关系, 关关系,那么就无法从中综合出能反映某些变 量共同特性的少数公共因子变量来.因此, 量共同特性的少数公共因子变量来.因此,在 因子分析时,需要对原有变量作相关分析. 因子分析时,需要对原有变量作相关分析.
英国统计学家Moser Scott在1961年对英 英国统计学家Moser Scott在1961年对英 157个城镇发展水平进行调查时 个城镇发展水平进行调查时, 国157个城镇发展水平进行调查时,原始测量 的变量有57 57个 而通过因子分析发现, 的变量有57个,而通过因子分析发现,只需要 个新的综合变量( 用5个新的综合变量(它们是原始变量的线性 组合),就可以解释95%的原始信息. ),就可以解释95%的原始信息 组合),就可以解释95%的原始信息.对问题 的研究从57维度降低到5个维度, 57维度降低到 的研究从57维度降低到5个维度,因此可以进 行更容易的分析. 行更容易的分析.
9.1.5 构造因子变量
因子分析中有多种确定因子变量的方法, 因子分析中有多种确定因子变量的方法, 如基于主成分模型的主成分分析法和基于因子 分析模型的主轴因子法,极大似然法, 分析模型的主轴因子法,极大似然法,最小二 乘法等. 乘法等.其中基于主成分模型的主成分分析法 是使用最多的因子分析方法之一. 是使用最多的因子分析方法之一.下面以该方 法为对象进行分析. 法为对象进行分析.