怎样用spss做因子分析怎样用spss做因子分析表-散文精选网

怎样用spss做因子分析？

可以使用在线spss平台SPSSAU进行分析，因子分析用于探索定量数据可以浓缩为几个方面(因子)，每个方面(因子)和题项对应关系。因子分析步骤：

1、选择进阶方法>>因子

2、设置输出维度（因子）个数

3、点击开始分析

因子分析通常有三个步骤：第一步是判断是否适合进行因子分析；第二步是因子与题项对应关系判断；第三步是因子命名。

第一步:判断是否进行因子分析,判断标准为KMO值大于0.6;

第二步:因子与题项对应关系判断。如因子与题项对应关系与预期严重不符则可考虑对题项进行删除

第三步：在第二步删除掉不合理题项后,并且确认因子与题项对应关系良好后,则可结合因子与题项对应关系,对因子进行命名。

spss怎么展示因素的构成？

1、先设置变量，把问卷的信息数据输入SPSS中，这个你应该已经做好了吧。

2、因子分析步骤：

Analyze-Data Reduction-Factor，在打开的对话框中选择你要分析的所有影响变量移至因子分析变量列表框中；

单击Extraction，在打开的对话框中单击Method下拉列表选择提取因子的方法，系统默认用主成分分析法；其它选项根据你的需要设定；设置完后继续退会主对话框，点击Rotation，设置因子旋转方法（通过此操作，提取出来的因子比较好解释，而且它的信息代表性比较明显），在Method选项组中选择方法，可选Varimax方差最大正交旋转法，其它选项可以根据需要设置；继续退回主对话框，单击Score按钮，选择因子得分的方法，在Method选项组中选择，另外选择Display factor score coefficient matrix选项可现实出因子得分系数矩阵，可根据该矩阵的系数计算各观测量的因子得分。ok后返回主对话框，如需要设定缺少值或者因子载荷矩阵的输出方法就点击Option设置，不然点击ok就行了。

主成分分析和因子分析（用spss实现）？

一、主成分分析

（1）问题提出

在问题研究中，为了不遗漏和准确起见，往往会面面俱到，取得大量的指标来进行分析。比如为了研究某种疾病的影响因素，我们可能会收集患者的人口学资料、病史、体征、化验检查等等数十项指标。如果将这些指标直接纳入多元统计分析，不仅会使模型变得复杂不稳定，而且还有可能因为变量之间的多重共线性引起较大的误差。有没有一种办法能对信息进行浓缩，减少变量的个数，同时消除多重共线性？

这时，主成分分析隆重登场。

（2）主成分分析的原理

主成分分析的本质是坐标的旋转变换，将原始的n个变量进行重新的线性组合，生成n个新的变量，他们之间互不相关，称为n个“成分”。同时按照方差最大化的原则，保证第一个成分的方差最大，然后依次递减。这n个成分是按照方差从大到小排列的，其中前m个成分可能就包含了原始变量的大部分方差（及变异信息）。那么这m个成分就成为原始变量的“主成分”，他们包含了原始变量的大部分信息。

注意得到的主成分不是原始变量筛选后的剩余变量，而是原始变量经过重新组合后的“综合变量”。

我们以最简单的二维数据来直观的解释主成分分析的原理。假设现在有两个变量X1、X2，在坐标上画出散点图如下：

可见，他们之间存在相关关系，如果我们将坐标轴整体逆时针旋转45°，变成新的坐标系Y1、Y2，如下图：

根据坐标变化的原理，我们可以算出：

Y1 = sqrt(2)/2 * X1 + sqrt(2)/2 * X2

Y2 = sqrt(2)/2 * X1 – sqrt(2)/2 * X2

其中sqrt(x)为x的平方根。

通过对X1、X2的重新进行线性组合，得到了两个新的变量Y1、Y2。

此时，Y1、Y2变得不再相关，而且Y1方向变异（方差）较大，Y2方向的变异（方差）较小，这时我们可以提取Y1作为X1、X2的主成分，参与后续的统计分析，因为它携带了原始变量的大部分信息。

至此我们解决了两个问题：降维和消除共线性。

对于二维以上的数据，就不能用上面的几何图形直观的表示了，只能通过矩阵变换求解，但是本质思想是一样的。

二、因子分析

（一）原理和方法：

因子分析是主成分分析的扩展。

在主成分分析过程中，新变量是原始变量的线性组合，即将多个原始变量经过线性（坐标）变换得到新的变量。

因子分析中，是对原始变量间的内在相关结构进行分组，相关性强的分在一组，组间相关性较弱，这样各组变量代表一个基本要素（公共因子）。通过原始变量之间的复杂关系对原始变量进行分解，得到公共因子和特殊因子。将原始变量表示成公共因子的线性组合。其中公共因子是所有原始变量中所共同具有的特征，而特殊因子则是原始变量所特有的部分。因子分析强调对新变量（因子）的实际意义的解释。

举个例子：

比如在市场调查中我们收集了食品的五项指标（x1-x5）:味道、价格、风味、是否快餐、能量，经过因子分析，我们发现了：

x1 = 0.02 * z1 + 0.99 * z2 + e1

x2 = 0.94 * z1 – 0.01 * z2 + e2

x3 = 0.13* z1 + 0.98 * z2 + e3

x4 = 0.84 * z1 + 0.42 * z2 + e4

x5 = 0.97 * z1 – 0.02 * z2 + e1

（以上的数字代表实际为变量间的相关系数，值越大，相关性越大）

第一个公因子z1主要与价格、是否快餐、能量有关，代表“价格与营养”

第二个公因子z2主要与味道、风味有关，代表“口味”

e1-5是特殊因子，是公因子中无法解释的，在分析中一般略去。

同时，我们也可以将公因子z1、z2表示成原始变量的线性组合，用于后续分析。

（二）使用条件：

（1）样本量足够大。通常要求样本量是变量数目的5倍以上，且大于100例。

（2）原始变量之间具有相关性。如果变量之间彼此独立，无法使用因子分析。在SPSS中可用KMO检验和Bartlett球形检验来判断。

（3）生成的公因子要有实际的意义，必要时可通过因子旋转（坐标变化）来达到。

三、主成分分析和因子分析的联系与区别

联系：两者都是降维和信息浓缩的方法。生成的新变量均代表了原始变量的大部分信息且互相独立，都可以用于后续的回归分析、判别分析、聚类分析等等。

区别：

（1）主成分分析是按照方差最大化的方法生成的新变量，强调新变量贡献了多大比例的方差，不关心新变量是否有明确的实际意义。

（2）因子分析着重要求新变量具有实际的意义，能解释原始变量间的内在结构。

spss因子分析各因子的权重怎么计算？

　　在SPSS中，主成分分析是通过设置因子分析中的抽取方法实现的，如果设置的抽取方法是主成分，那么计算的就是主成分得分，另外，因子分析和主成分分析尽管原理不同，但是两者综合得分的计算方法是一致的。　　确定数据的权重也是进行数据分析的重要前提。可以利用SPSS的因子分析方法来确定权重。主要步骤是：　　(1)首先将数据标准化，这是考虑到不同数据间的量纲不一致，因而必须要无量纲化。　　(2)对标准化后的数据进行因子分析(主成分方法)，使用方差最大化旋转。　　(3)写出主因子得分和每个主因子的方程贡献率。　　Fj=β1j*X1+β2j*X2+β3j*X3+……+βnj*Xn;Fj为主成分(j=1、2、……、m)，X1、X2、X3、……、Xn为各个指标，β1j、β2j、β3j、……、βnj为各指标在主成分Fj中的系数得分，用ej表示Fj的方程贡献率。　　(4)求出指标权重。ωi=[(m∑j)βij*ej]/[(n∑i)(m∑j)βij*ej],ωi就是指标Xi的权重。　　因子分析应用在评价指标权重确定中，通过主成分分析法得到的各指标的公因子方差，其值大小表示该项指标对总体变异的贡献，通过计算各个公因子方差占公因子方差总和的百分数。

SPSS如何做因子分析和聚类分析？

聚类分析分析-分类-系统聚类。将需要的元素导入右边变量窗口。点确定。出来结果点击图片,复制,到CorelDraw里面取消全部群组, 然后,对图进行编辑,比如不要的文字,数字等等。

因子分析分析——降维——因子分析可以选择相关系数最后选择,确定。在原始数据表的,最后面,有因子得分数据。可以用来做因子得分异常图以及其他的应用。

如何解释spss因子分析的结果？

spss因子分析的结果可以从以下几个方面解释：

1．KMO和Bartlett的检验结果解释；

首先是看KMO的值，确定变量之间是否是存在相关性的，然后是分析Bartlett球形检验的结果。

2．公因子方差解释；

公因子方差表的意思就是，每一个变量都可以用公因子表示，而公因子表达的大小就是公因子方差表中的“提取”。

“提取”的值越大说明变量可以被公因子表达的越好，一般大于0.5即可以说是可以被表达，但是更好的是要求大于0.7才足以说明变量能被公因子表的很合理。

3．总方差和碎石图的解释；

总方差就是看因子对于变量解释的贡献率。

4．旋转成分矩阵解释。

可以把因子归结为颗粒物。

扩展资料

SPSS是“统计产品与服务解决方案”软件。最初软件全称为“社会科学统计软件包”，但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为“统计产品与服务解决方案”，这标志着SPSS的战略方向正在做出重大调整。

SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。

如何利用spss做效度检测（即因子分析）？

1、将整理好的数据导入到spss中。

2、选择分析中的“降维”→“因子分析”

3、将所有的变量都选到因子分析变量中。

4、在描述选项卡，勾选，原始数据分析和KMO和Bartlett球形度检验。

5、抽取选择主成分分析方法，其他默认即可。

6、旋转选项卡，方法选择最大方差法。

7、点击确定即可得出spss分析出的结果。本例中的结果如下图所示。KMO的值在0.9以上，表明非常适合做因子分析；0.8–0.9：很适合；0.7–0.8适合；0.6-0.7尚可；0.5–0.6表示很差；0.45以下：应该放弃。

因子分析spss怎么做因子分析数据？

spss因子分析法详细步骤：

1、录入数据,把数据导入SPSS软件中。

2、单击“分析(A)”,选择“降维”,点击“因子分析”。

3、将需要的分析变量导入放到“变量”中。

4、可以选择“描述”,“抽取”,“旋转”,“得分”中的统计量等,选择需要得到的分析对象。

4、数据结果解释。

总结：以上就是spss因子分析法详细步骤，

如何spss因子分析？

打开spss并且打开要分析的数据，选中要分析的数据。

点击“分析”选择“降维”，接着选择“因子分析”。

选中几组数据，点击插入。

点击描述。

选中“原始分析结果”和“KMO”,点击“继续”。

点击“抽取”。

方法选择主成分，输出里面的内容全选中，点击继续。

点击旋转。

选中最大方差法，点击继续。

点击得分，选中保存为变量，点击继续。

点击选项，选中按大小排序和取消小系数，绝对值设为0.60，然后点击继续。

点击确定。

看看分析结果，再根据具体情况添加自己的分析就OK了。

怎样用spss做因子分析怎样用spss做因子分析表