管理学研究方法之因子分析法+案例(史上最详细)
管理学研究方法之因子分析法+案例(史上最详细)
四、基本步骤
（1）确认待分析的原变量是否适合作因子分析。
• 在确定使用因子分析方法之前，我们需要首先使用SPSS统 计软件对模型中的变量进行过巴特利特球度检验和KMO检 验，依据这两个统计量来判断观测数据是否适合作因子分
析。
• KMO是取样适当性量数。其值越高（接近1.0时），表明 变量间的共同因子越多，研究数据适合用因子分析。
管理学研究方法
---实证研究法之因子分析法
一、因子分析的概念
• 因子分析法是用少数几个因子去描述许多指标或 因素之间的联系，即将相关比较密切的几个变量 归在同一类中，每一类变量就成为一个因子（之 所以称其为因子，是因为它是不可观测的，即不 是具体的变量），以较少的几个因子反映原资料 的大部分信息。它是一种通过降维以简化数据的 多元统计方法。
方差贡 献率
累计贡 献率
25.5% 25.5%
20.0% 45.5%
14.7% 62.9%
15.0% 77.9%
12.0% 89.9%
10.1% 100%
0.0% 100%
• 从上表中可以看出，综合变量解释变量的总方差 的能力有大有小。前四个累计方差贡献率达到了 77.9%，即前四个因子解释了总方差的77.9%，能 够较好的解释变量的方差。
二、因子分析的方法介绍
• 研究相关矩阵内部的依存关系，寻找出支配多个 指标X1，X2 ，…，Xm(可观测)相互关系的少数几 个公共的因子F1，F2，…，Fp (不可观测)以再现原 指标与公共因子之间的相关关系。 这些公共因子是彼此独立或不相关的，又往往是 不能够直接观测的。
• 通常这种方法要求出因子结构和因子得分模型。 • 因子结构通过相关系数来反映原指标与公共因子
1、因子选取。 将原有变量综合成少数几个因子是因子分析的核心内容。 决定共同因子抽取的方法，有“主成份分析法” 、主轴法、 一般化最小平方法、未加权最小平方法、最大概似法、 Alpha因素抽取法与映象因素抽取法等。原始变量与因子 分析时抽取出的共各变量在因子上的载荷。实践中一般用旋转后的方差 来看各因子在每个变量上的载荷，就使对共同因子的命名 和解释变量变得更容易。
因子分析在教育评估中的应用实例(十)
因子分析是一种多变量统计方法，它可以用于揭示观察到的多个变量之间的潜在关系。
在教育评估中，因子分析可以帮助研究者理解各种教育因素之间的关联以及它们对学生表现的影响。
本文将介绍因子分析在教育评估中的应用实例，并探讨其潜在意义。
首先，我们来看一个实际的案例。
一所学校对其学生进行了一项综合性的学术成绩评估，包括数学、科学、语言和艺术等多个方面的考试成绩。
研究者希望通过因子分析，找出这些成绩之间的潜在关联，以便更好地了解学生的综合表现。
通过因子分析，研究者发现这些考试成绩之间存在着一定的相关性，但并非完全一致。
经过因子分析，他们发现可以将这些成绩分为两个主要因子：一个是数学和科学成绩，另一个是语言和艺术成绩。
这说明学生的数学和科学能力可能存在一定的相关性，而语言和艺术能力也可能存在一定的相关性。
这样的发现可以为学校提供更有针对性的教学和评估建议。
在这个实例中，因子分析帮助研究者们揭示了不同学科成绩之间的潜在关系，从而为学校的教学和评估工作提供了一定的指导。
而这种分析方法并不仅限于学术成绩的评估，它同样可以应用于其他教育领域，比如学生的学习行为、教师的教学效果以及学校的整体教育质量评估。
除了学术成绩，因子分析还可以用于分析学生的学习行为。
比如，一项研究发现，学生的课堂参与程度、作业完成情况、考试表现等多个方面的学习行为之间存在着一定的相关性。
通过因子分析，研究者们可以找出这些学习行为背后的潜在因素，比如学习动机、学习态度、学习策略等。
这样的分析有助于学校和教师更好地了解学生的学习状况，为他们提供更个性化的教学和辅导。
同时，因子分析还可以用于评估教师的教学效果。
比如，一项研究发现，教师的教学方法、学生对教师的满意度以及学生的学术成绩等多个指标之间存在一定的相关性。
通过因子分析，研究者们可以找出影响教师教学效果的主要因素，比如教学质量、师生关系、教学资源等。
这些发现可以为学校和教育管理部门提供更科学的教师评估标准，从而促进教师的专业发展。
管理学研究方法之因子分析法+案例(史上最详细)
颜色X6 0.57075 0.45547 -0.07874 0.22931 0.62148 0.14770 -0.00183
易洗熨X7 0.04328 0.49569 0.52183 0.50821 -0.46939 -0.03945 -0.00155
特征值 1.78312 1.40444 1.21696 1.04998 0.83791 0.70779 0.00003
• 因子分析希望达到的目的是：减少变量的个数， 解释事物的本质。
• 在这里，我们选前四个变量作为因子，则累计的 综合变量方差的贡献率达到了77.9%。
• 为了使因子对变量的解释以及因子的命名更准确， 我们再对因子进行旋转。旋转之后得到因子负荷 系数，如下表：
观察 变量
舒适X1 质地X2 款式X3 耐穿X4 价位X5 颜色X6 易洗熨X7
-0.08925
-0.39328
0.00088
F4 0.05156 -0.72079 -0.41522 0.13561 0.24376 0.11851 0.75523
• 由表中数据得到分析结果：
因子F1与变量X3，X4，X6相关性较强，说明它体 现了顾客对服装外在表现的要求；
因子F2与变量X5有较强的证相关性，说明它体现 了顾客对服装价格的要求；
之间的相关关系； 因子得分是以回归方程的形式将指标X1，X2，…， Xm表示为因子F1 ，F 2 ，…，Fp的线性组合。
三、因子分析模型
• 因子分析法是从研究变量内部相关的依赖关系出 发，把一些具有错综复杂关系的变量归结为少数 几个综合因子的一种多变量统计分析方法。它的 基本思想是将观测变量进行分类，将相关性较高， 即联系比较紧密的分在同一类中，而不同类变量 之间的相关性则较低，那么每一类变量实际上就 代表了一个基本结构，即公共因子。对于所研究 的问题就是试图用最少个数的不可测的所谓公共 因子的线性函数与特殊因子之和来描述原来观测 的每一分量。
因子分析在企业绩效评估中的实际案例分享(Ⅲ)
因子分析在企业绩效评估中的实际案例分享在当今竞争激烈的商业环境中，企业绩效评估是企业管理中至关重要的一环。
而因子分析作为一种多变量统计分析方法，可以帮助企业对绩效进行更加科学和客观的评估。
本文将结合实际案例，探讨因子分析在企业绩效评估中的应用。
实际案例一：某制造企业的绩效评估某制造企业采用因子分析对其绩效进行评估。
企业选择了生产效率、产品质量、员工满意度和市场反应速度等指标作为评估的因子。
通过收集相关数据并进行因子分析，企业得出了以下结论：首先，生产效率和产品质量两个因子对企业整体绩效的影响最大，因此企业应当重点关注这两个方面的改进和提升。
其次，员工满意度对企业绩效也有一定影响，因此企业需要注重员工的工作环境和福利待遇。
最后，市场反应速度对企业绩效的影响相对较小，但企业仍需要保持对市场变化的敏感和快速反应能力。
通过因子分析，该企业在绩效评估中得出了明确的改进方向和优先级，有针对性地进行了管理和营运的调整。
实际案例二：某零售企业的绩效评估另一家零售企业也采用因子分析进行绩效评估。
该企业选择了销售额、客户满意度、库存周转率和市场份额等指标作为评估的因子。
通过因子分析，企业得出了以下结论：首先，销售额和客户满意度是对企业整体绩效影响最大的因素，因此企业应当优先关注产品销售和服务质量。
其次，库存周转率对企业绩效也有一定影响，因此企业需要合理管理库存，避免资金被困。
最后，市场份额对企业绩效的影响相对较小，但企业仍需要维护和扩大自己在市场中的地位。
通过因子分析，该零售企业得出了改进和优化经营的具体方向，有针对性地制定了营销策略和库存管理政策。
结语：因子分析在企业绩效评估中的应用通过以上两个实际案例的分享，我们可以看到因子分析在企业绩效评估中的重要作用。
通过该方法，企业可以从多个角度了解自身的绩效状况，分析各个因子对绩效的影响程度，有针对性地制定改进和优化方案。
因子分析不仅可以帮助企业更科学地评估绩效，还可以为企业管理决策提供有力支持。
因子分析在企业绩效评估中的实际案例分享(六)
因子分析在企业绩效评估中的实际案例分享引言企业绩效评估是企业经营管理的重要环节，通过对企业运营情况、经济效益、市场竞争力等方面进行评估，可以帮助企业了解自身的优势和劣势，为未来决策提供参考。
而因子分析作为一种多变量统计分析方法，可以帮助企业更加客观地评估绩效，识别并量化不同因素对绩效的影响。
本文将结合实际企业案例，探讨因子分析在企业绩效评估中的应用。
企业案例分析某制造业企业在进行绩效评估时，经常面临着诸如市场需求变化、人员管理、技术创新等多种因素的影响。
为了更好地了解这些因素对企业绩效的影响，该企业决定采用因子分析方法进行评估。
首先，该企业确定了自身的绩效评估指标，包括生产效率、销售额、客户满意度、员工满意度等多个方面。
然后，通过问卷调查、数据收集等方式获得了相关数据，进行了因子分析的实际操作。
在进行因子分析时，该企业首先进行了数据清洗和准备工作，对收集到的数据进行了筛选和整理。
然后，采用适当的统计软件进行了因子分析的计算和处理。
通过因子分析，该企业得出了几个主要因素，如生产效率、市场竞争力、人员管理等，以及它们对企业绩效的影响程度和关联性。
通过因子分析的结果，该企业发现生产效率和市场竞争力是对企业绩效影响最大的两个因素，而人员管理和技术创新等因素也对绩效有一定影响。
基于这一发现，该企业针对性地进行了管理调整和优化。
比如，在生产效率方面，加大了对生产设备的更新和维护力度；在市场竞争力方面，加强了产品品质和营销策略的优化；在人员管理方面，加强了员工培训和激励机制的建设等。
结论通过因子分析在企业绩效评估中的实际应用，该制造业企业成功地识别了对绩效影响最大的关键因素，并在实际管理中进行了有针对性的改进。
这不仅使企业的绩效得到了提升，也为未来的决策提供了科学的依据。
在实际应用中，因子分析方法不仅仅可以用于企业绩效评估，也可以应用于市场调研、产品开发、人才选拔等多个领域。
不过，在使用因子分析时，企业需要注意数据的准确性和充分性，以及对统计方法和结果的细致分析和解读。
如何利用因子分析解决实际问题(五)
在现实生活中，我们经常需要面对各种各样的问题，有时候这些问题似乎复杂而棘手。
然而，利用因子分析的方法，我们可以更好地解决这些问题。
因子分析是一种统计技术，可以用来发现数据中的潜在结构或模式，帮助人们理解数据背后的本质。
在本文中，我们将探讨如何利用因子分析解决实际问题，并通过具体案例来展示其应用方法和效果。
首先，让我们来了解一下因子分析的基本原理。
因子分析的核心思想是将多个变量通过线性组合，转化为少数几个因子，这些因子可以解释数据中的大部分变异。
通过这种方式，我们可以简化数据，减少变量的数量，同时保留数据中的重要信息。
在实际应用中，因子分析可以用来发现变量之间的关联，识别出潜在的因素，从而帮助我们更好地理解和解决问题。
举个例子，假设我们想要了解消费者对某种产品的偏好。
我们可以通过调查问卷的方式收集相关数据，比如产品的外观、价格、性能等多个变量。
然后，利用因子分析的方法，我们可以将这些变量转化为几个因子，比如外观因子、价格因子、性能因子等。
通过分析这些因子，我们就可以更清晰地了解消费者的偏好结构，从而有针对性地改进产品设计和营销策略。
除了在市场调研中的应用，因子分析还可以在心理学、教育学、医学等领域发挥重要作用。
比如在心理学研究中，可以利用因子分析来识别出人格特质的维度；在教育学研究中，可以用因子分析来分析学生的学习成绩和影响因素；在医学研究中，可以通过因子分析来发现疾病的相关因素。
总之，因子分析是一种非常灵活的技术，可以应用于各种领域，帮助人们更好地理解数据和解决问题。
在实际操作中，因子分析有很多不同的方法和技巧。
比如在确定因子数量时，可以使用Kaiser准则或者Scree测试来进行判断；在因子旋转时，可以选择方差最大旋转或者极大似然估计等方法。
此外，还可以使用因子得分来评估每个个体在不同因子上的表现，或者使用因子负荷量来解释变量与因子之间的关系。
在选择合适的方法和技巧时，需要综合考虑数据的特点、研究的目的以及研究者的经验和专业知识。
因子分析(研究生课程)
⑤ Reproduced 再生相关阵，选择此项给出因子分析后的相关阵，还 给出残差，即原软关与再生相关之间的差值。 ⑥ Anti-image 反映像相关阵。包括偏相关系数的负数；反映像协方差 阵，包括偏协方差的负数；在一个好的因子模型中除对角线上的系 数较大外，远离对角线的元素应该比较小。 ⑦ KMO and Bartlett's test of sphericity KMO和球形 Bartlett检验。选 择此项给出对采样充足度的Kaisex-Meyer-Olkin测度。检验变量间 的偏相关是否很小。Bartlett球形检验，检验的书相关阵是否是单 位阵。它表明因子模型是否是不合适宜的。
因子分析
暨南大学管理学院企业管理系
陈晓曦
历史
1947年，美国统计学家Stone关于国民经济的 研究。
1927-1938年的数据，得到了17个反映国民收入与 支出的变量， 后来通过因子分析发现，只需要用3个新的综合变 量，就可以解释95%的原始信息。
总收入 总收入率 积极发展或衰退趋势
案例
在企业形象或品牌形象的研究中，消费者可以 通过一个有24个指标构成的评价体系，评价百 货商场的24个方面的优劣。
但消费者主要关心的是三个方面，即商店的 环境、商店的服务和商品的价格。因子分析方法可 以通过24个变量，找出反映商店环境、商店服务水 平和商品价格的三个潜在的因子，对商店进行综合 评价。而这三个公共因子可以表示为：
F3
-0.58 -0.193 0.047 0.139 -0.084 -0.161 0.109 0.411 0.372 0.658
F4
-0.206 0.092 -0.175 0.396 -0.419 0.345 -0.234 0.44 -0.235 -0.279
基于因子分析法的零售行业经营绩效评价以S公司为例
1、盈利能力：净利润率、毛利 率、ROE
2、成长能力：营业收入增长率、 净利润增长率
3、营运能力：存货周转率、固 定资产周转率
4、偿债能力：流动比率、速动 比率
4、偿债能力：流动比率、速动比率
通过计算，得到S公司经营绩效的各项因子得分情况如下表所示：
结果分析
结果分析
根据上表数据，对S公司的经营绩效进行评价分析如下：
方法介绍
方法介绍
因子分析法主要包括以下几个步骤：
方法介绍
1、数据的标准化处理：由于各个指标的量纲和数值范围可能存在较大差异， 为了消除量纲和数值的影响，需要对数据进行标准化处理。
方法介绍
2、公共因子的确定：通过计算各个指标之间的相关系数矩阵，求出特征值和 特征向量，进而确定公共因子。
方法介绍
结果分析
1、盈利能力：S公司在2018年和2019年表现不佳，但自2020年起逐渐提高， 尤其是2022年达到了1.68的高分。这表明S公司在优化成本控制、提高营收能力 方面取得了较好的效果。
结果分析
2、成长能力：S公司在2020年表现出色，该年营业收入增长率和净利润增长 率均为正值，显示了企业的成长潜力。然而，自2021年起成长能力出现下滑，尤 其是2022年出现了负增长。这需要公司加强业务拓展和市场开发力度。
3、因子的解释：根据公共因子的方差贡献率，对公共因子进行命名和解释。
方法介绍
4、计算综合得分：根据各个样本在公共因子上的得分，计算综合得分，并对 样本进行排序。
数据展示
数据展示
本次演示选取S公司2018-2022年财务数据作为样本，从盈利能力、成长能力、 营运能力和偿债能力四个方面选取了8个指标进行因子分析。具体指标如下：
《因子分析法预测》课件
因子提取
因子提取是因子分析的关键步骤，通过数学方法将多个变量提取成少数几个因子，这些因子能够反映 原始变量的主要信息。
常用的因子提取方法有主成分分析、最大似然法等。
因子解释
因子解释是对提取出的因子进行解释 ，通过旋转矩阵等方法将因子与原始 变量建立联系，明确因子的含义。
解释时需要结合专业知识，对因子的 含义进行合理的解释和命名。
感谢您的观看
THANKS
信息浓缩
通过提取公因子，可以浓缩信息，反映原始 变量之间的相关关系。
稳健性高
在处理异常值或缺失值时，因子分析法的稳 健性较高。
缺点
依赖原始变量
因子分析法的结果很大程度上依赖于原始变 量的选择和数量。
因子解释的主观性
对因子的解释可能存在主观性，不同的人可 能对同一组数据得出不同的解释。
无法处理高度相关变量
因子得分计算
因子得分计算是根据因子的权重和原始变量的值计算出每个样本的因子得分，为后续的分析和预测提供依据。
可以通过回归分析、加权平均等方法计算因子得分。
04 因子分析法的优缺点
优点
降维性
因子分析法可以将多个变量通过少数几个因 子表示，简化数据结构。
解释性强
因子分析法能够提供清晰的因子结构，有助 于理解数据背后的驱动因素。
高消费者的满意度和忠诚度。
案例四：产品组合优化
总结词
因子分析法可以帮助企业优化产品组合，提 高产品线的协同效应和市场竞争力。
详细描述
产品组合优化是企业提高市场竞争力的重要 手段。通过因子分析法，企业可以对现有产 品线进行全面分析，了解各产品之间的关联 度和差异性。在此基础上，企业可以优化产 品组合，提高产品线的协同效应和市场竞争 力。同时，企业还可以发现新的产品机会，
《基于因子分析法王府井财务绩效评价研究》范文
《基于因子分析法王府井财务绩效评价研究》篇一一、引言王府井作为中国商业地产和零售业的领军企业，其财务绩效一直是业界关注的焦点。
为了全面、客观地评价王府井的财务绩效，本文采用因子分析法，对其财务报表进行深入研究。
希望通过这种方法，能够更准确地揭示王府井的财务状况和经营成果，为投资者、管理者以及相关研究人员提供有价值的参考。
二、研究背景与意义随着市场竞争的日益激烈，企业财务绩效评价已成为衡量企业综合实力的重要指标。
王府井作为国内知名的商业地产运营商和零售企业，其财务绩效评价对于了解企业运营状况、优化企业管理、提高企业竞争力具有重要意义。
因子分析法作为一种多变量统计分析方法，能够通过少数几个因子反映原始数据的大部分信息，因此在财务绩效评价中具有广泛的应用。
三、研究方法与数据来源本文采用因子分析法，以王府井近几年的财务报表数据为研究对象，包括资产负债表、利润表、现金流量表等。
数据来源主要为王府井官方发布的财务报告以及相关公开资料。
通过SPSS 软件进行数据处理和分析，提取出能够反映王府井财务绩效的主要因子，并对其进行解释和评价。
四、因子分析过程与结果1. 数据预处理：对原始数据进行标准化处理，消除量纲和数量级的影响。
2. 提取公因子：通过SPSS软件，采用主成分分析法提取公因子。
根据特征值大于1的原则，确定公因子的数量。
3. 因子旋转与解释：对提取的公因子进行旋转，使每个因子上的载荷差异更大，便于解释。
根据因子的载荷情况，对因子进行命名和解释。
4. 计算因子得分：根据公因子和原始变量的关系，计算各因子的得分。
以各因子的方差贡献率为权重，计算综合得分，反映王府井的总体财务绩效。
五、因子解释与财务绩效评价1. 偿债能力因子：该因子主要反映王府井的短期和长期偿债能力。
得分较高的企业具有较强的债务偿还能力，有利于企业的稳定发展。
2. 营运能力因子：该因子主要反映王府井的资产运营效率。
得分较高的企业资产周转速度快，能够提高企业的盈利能力。
- 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)。
因子负荷系数
观察 变量 F1 -0.41827 -0.05731 0.64375 -0.69746 -0.24972 0.71473 0.23038 F2 -0.14700 -0.53323 0.30570 0.02008 0.77784 -0.08405 -0.39328 因子 F3 0.85885 -0.25512 0.28392 -0.44855 -0.28424 -0.08925 0.00088 F4 0.05156 -0.72079 -0.41522 0.13561 0.24376 0.11851 0.75523
管理学研究方法
---实证研究法之因子分析法 ---实证研究法之因子分析法
一、因子分析的概念
• 因子分析法是用少数几个因子去描述许多指标或 因素之间的联系，即将相关比较密切的几个变量 归在同一类中，每一类变量就成为一个因子（之 所以称其为因子，是因为它是不可观测的，即不 是具体的变量），以较少的几个因子反映原资料 的大部分信息。它是一种通过降维以简化数据的 多元统计方法。
五、实例分析
• 在服装展销会上，主办单位对前来参加的顾客进行了问卷 调查。问卷中列出了选购服装的7项标准：舒适、质地、 款式、耐穿、价位、颜色、易洗熨，请顾客对着7项标准 的重要性进行排序，最重要的为1分，以下分数递增，最 不重要的为7分。回收有效问卷350份，对回收数据进行处 理计算。 • 我们首先使用SPSS统计软件对调查问卷的7个变量进行巴 特利特球型检验与KMO检验，结果表明，本次调查数据适 合进行因子分析。 • 下一步我们经过相应计算提取因子。 计算得到7个因子与7个变量的相关系数，如下表：
二、因子分析的方法介绍
• 研究相关矩阵内部的依存关系，寻找出支配多个 指标X1，X2 ，…，Xm(可观测)相互关系的少数几 个公共的因子F1，F2，…，Fp (不可观测)以再现原 指标与公共因子之间的相关关系。 这些公共因子是彼此独立或不相关的，又往往是 不能够直接观测的。 • 通常这种方法要求出因子结构 因子得分 因子结构和因子得分 因子结构 因子得分模型。 • 因子结构通过相关系数来反映原指标与公共因子 之间的相关关系； 因子得分是以回归方程的形式将指标X1，X2，…， Xm表示为因子F1 ，F 2 ，…，Fp的线性组合。
-0.19589 -0.44333 0.24445 0.70749
-0.71796 -0.38298 0.01609
-0.14420 -0.48918 -0.24417 -0.42368 -0.00201 0.24416 0.21562 -0.49681 -0.00209 0.39729 0.14770 -0.00199 -0.00183
各综合变量与观察变量的相关系数
观察 变量 舒适X1 舒适 质地X2 质地 款式X3 款式 耐穿X4 耐穿 价位X5 价位 颜色X6 颜色
易洗熨X7 易洗熨
因子 F1 F2 F3 0.76728 F4 -0.33650 0.38777 F5 0.21388 -0.21198 F6 0.13197 0.28780 F7 -0.00213 -0.00212
-0.76467 -0.06371 -0.24147 -0.52162 0.57075 0.04328 1.78312 25.5% 25.5% 0.48473 0.45547 0.49569 1.40444 20.0% 45.5%
-0.35208 -0.42052 -0.18583 -0.07874 0.52183 1.21696 14.7% 62.9% 0.22931 0.50821 1.04998 15.0% 77.9% 0.62148
舒适X1 舒适 质地X2 质地 款式X3 款式 耐穿X4 耐穿 价位X5 价位 颜色X6 颜色 易洗熨X7 易洗熨
• 由Байду номын сангаас中数据得到分析结果：
因子F1与变量X3，X4，X6相关性较强，说明它体 现了顾客对服装外在表现 外在表现的要求； 外在表现 因子F2与变量X5有较强的证相关性，说明它体现 了顾客对服装价格 价格的要求； 价格 因子F3与变量X1正相关性较强，说明它体现了顾 客追求穿着舒适 穿着舒适的要求； 穿着舒适 因子F4与X7易洗熨有较强的正相关，与X2质地有 较强的负相关，说明它体现了顾客穿用方便 穿用方便的 穿用方便 要求。 总体来说，顾客心中对选购服装的7项标准的偏 好，大致可归纳为：新颖、方便、舒适和价格。
-0.46939 -0.03945 -0.00155 0.83791 12.0% 89.9% 0.70779 10.1% 100% 0.00003 0.0% 100%
特征值 方差贡 献率 累计贡 献率
• 从上表中可以看出，综合变量解释变量的总方差 的能力有大有小。前四个累计方差贡献率达到了 77.9%，即前四个因子解释了总方差的77.9%，能 够较好的解释变量的方差。 • 因子分析希望达到的目的是：减少变量的个数， 解释事物的本质。 • 在这里，我们选前四个变量作为因子，则累计的 综合变量方差的贡献率达到了77.9%。 • 为了使因子对变量的解释以及因子的命名更准确， 我们再对因子进行旋转。旋转之后得到因子负荷 系数，如下表：
谢谢！ 谢谢！
（2）构造因子变量，建立因子模型。 ）构造因子变量，建立因子模型。
1、因子选取。 将原有变量综合成少数几个因子是因子分析的核心内容。 决定共同因子抽取的方法，有“主成份分析法” 、主轴法、 一般化最小平方法、未加权最小平方法、最大概似法、 Alpha因素抽取法与映象因素抽取法等。原始变量与因子 分析时抽取出的共同因子的相关用因子负荷表示。 2、因子命名。 根据各变量在因子上的载荷。实践中一般用旋转后的方差 来看各因子在每个变量上的载荷，就使对共同因子的命名 和解释变量变得更容易。
3、因子得分。 因子分析模型建立后，还有一个重要的作用是应用因子分 析模型去评价每个变量在整个模型中的地位，即进行综合 评价。这时需要将公共因子用变量的线性组合来表示。常 用的有回归估计法，Bartlett估计法等。
（3）结果分析。 ）结果分析。
根据因子分析的各项得分，对模型各变量及其影响因素进 行分析，得出相应结论，实现研究目的。
三、因子分析模型
• 因子分析法是从研究变量内部相关的依赖关系出 发，把一些具有错综复杂关系的变量归结为少数 几个综合因子的一种多变量统计分析方法。它的 基本思想是将观测变量进行分类，将相关性较高， 即联系比较紧密的分在同一类中，而不同类变量 之间的相关性则较低，那么每一类变量实际上就 代表了一个基本结构，即公共因子。对于所研究 的问题就是试图用最少个数的不可测的所谓公共 因子的线性函数与特殊因子之和来描述原来观测 的每一分量。
四、基本步骤
（1）确认待分析的原变量是否适合作因子分析。 ）确认待分析的原变量是否适合作因子分析。
• 在确定使用因子分析方法之前，我们需要首先使用SPSS统 计软件对模型中的变量进行过巴特利特球度检验和KMO检 验，依据这两个统计量来判断观测数据是否适合作因子分 析。 • KMO是取样适当性量数。其值越高（接近1.0时），表明 变量间的共同因子越多，研究数据适合用因子分析。 • Bartlett球体检验的虚无假设为相关矩阵是单位阵，如果 不能拒绝该假设的话，就表明数据不适合用于因子分析。 一般说来，显著水平值越小（<0.05），表明原始变量之间 越可能存在有意义的关系，如果显著性水平很大（如0.10 以上）可能表明数据不适宜于因子分析。