【SPSS】因子分析详细操作教程(附案例实战)

简介: 【SPSS】因子分析详细操作教程(附案例实战)

因子分析



因子分析的基本思想


       因子分析以最少的信息丢失为前提,将众多的原有变量综合成较少的几个综合指标,名为因子。因子有以下几个特点:


  • 因子个数远远少于原有变量的个数
  • 因子能够反映原有变量的绝大部分信息
  • 因子之间的线性关系不显著


判断因子分析的前提条件是否满足


因子分析有一个前提要求:原有变量之间应具有较强的相关关系。


一般在因子分析时需首先对原有变量是否相关进行研究,常用的方法有:


  • 计算相关系数矩阵
  • 巴特利特球度检验
  • 原假设H0是:相关系数矩阵是单位阵,如果巴特利特球度检验对应的概率P值小于等于给定的显著性水平α,则应拒绝原假设,认为相关系数矩阵不太可能是单位阵, 原有变量适合作因子分析。
  • KMO检验
  • KMO统计量的取值在0~1之间。KMO值越接近0,意味着变量间的相关性越弱,原有变量越不适合作因子分析;KMO值越接近1,意味着变量间的相关性越强,原有变量越适合作因子分析。


因子分析案例



【案例】—— 对高校学报的原有变量进行因子分析


①导入数据


②选择菜单【分析】----> 【降维】----> 【因子】


③选择变量,点击描述


④勾选选项,点击继续


⑤提取


⑥旋转


⑦因子得分


⑧选项


⑨点击“确定”,在输出窗口中查看输出结果:


从描述统计中可以看到各个变量的平均值,标准偏差及分析个案数。


⑩相关性矩阵


从相关性矩阵中可以看到,每个变量与每个变量之间的相关性高。如从表中可以看到载文量与基金论文比的相关系数是 0.391。 从显著性值可以看每个变量与每个变量之间是否显著相关。如载文量和基金论文比的显著性0.075>0.05,说明这两个变量相关性不显著。而载文量和被引期刊数的显著小于0.05,说明载文量和被引期刊数有显著性相关。从表中发现大多数概率P值都是小于 0.05的,说明大多数变量之间相关性显著。


        KMO 检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。主要应用于多元统计的因子分析。KMO 统计量是取值在0和1之间。0.9 以上表示非常适合;0.8 表示适合;0.7 表示一般;0.6 表示不太适合;0.5 以下表示极不适合。


  从公因子方差表中可以看到提取值都比较高,表明变量中大部分信息能被因子所提取,说明因子分析结果有效。


总方差解释图表,也称主成分列表。一个因子所解释的方差比例越高,这个因子包含原有变量信息的量就越多。第一个成分的初始特征值为4.864能解释的方差比例为60.804%,第二个特征 值为1.163,能解释的方差比例为14.541。其余四个成分都小于1,说明这几个成分的解释力度还不如直接引入原变量大。这七个变量只需要提取出头两个成分即可。


       碎石图中,从第二个成分以后的特征值就降得非常低。第二个成分就是这一图形的“拐点”。在这一实例中,只需要提取两个主要成分就行了。


表中列出未使用旋转方法时使用因子能解释的各个变量的比例(各变量的信息被主成分提取了多少)。


        表中列出了使用旋转方法后因子能解释的各个变量的比例。和上面未旋转对比可以看出,旋转后,原先较大的比例值仍然大,较小的比例则变得更小。



成分转换矩阵表,用来说明旋转前后主成份间的系数对应关系。


从旋转后的空间中的组件图中可以看到,被引半衰期和基金论文比属于一类成分,其余属于另外一类。

目录
相关文章
|
数据挖掘
【SPSS】回归分析详细操作教程(附案例实战)(下)
【SPSS】回归分析详细操作教程(附案例实战)
1636 0
|
机器学习/深度学习 前端开发 数据可视化
神奇的streamlit (哇 原来深度学习还可以这样玩)
神奇的streamlit (哇 原来深度学习还可以这样玩)
神奇的streamlit (哇 原来深度学习还可以这样玩)
|
数据采集 数据可视化
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
|
12月前
|
机器学习/深度学习 编解码 监控
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
这篇文章详细介绍了如何使用YOLOv8进行目标检测任务,包括环境搭建、数据准备、模型训练、验证测试以及模型转换等完整流程。
18535 59
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
10月前
|
机器学习/深度学习 人工智能 开发工具
Clone-voice:开源的声音克隆工具,支持文本转语音或改变声音风格,支持16种语言
Clone-voice是一款开源的声音克隆工具,支持16种语言,能够将文本转换为语音或将一种声音风格转换为另一种。该工具基于深度学习技术,界面友好,操作简单,适用于多种应用场景,如视频制作、语言学习和广告配音等。
1717 9
Clone-voice:开源的声音克隆工具,支持文本转语音或改变声音风格,支持16种语言
|
Python
Python实现因子分析(附案例实战)
Python实现因子分析(附案例实战)
2462 0
Python实现因子分析(附案例实战)
|
算法 数据可视化 数据挖掘
【数据挖掘】密度聚类DBSCAN讲解及实战应用(图文解释 附源码)
【数据挖掘】密度聚类DBSCAN讲解及实战应用(图文解释 附源码)
1066 1
|
存储 Ubuntu 搜索推荐
构建多用户的 Jupyter 服务器 —— 利用 JupyterHub
【8月更文第29天】**摘要** JupyterHub 是一个易于使用的、可伸缩的、多用户的 Jupyter Notebook 服务器。它允许您在一个集中式服务器上托管多个独立的 Jupyter Notebook 会话,非常适合团队协作和教学环境。本文将详细介绍如何安装和配置 JupyterHub,以及如何利用它来构建一个多用户 Jupyter 服务器环境。
4206 0
|
数据挖掘
【SPSS】回归分析详细操作教程(附案例实战)(上)
【SPSS】回归分析详细操作教程(附案例实战)
7310 0
|
机器学习/深度学习 前端开发 数据挖掘
R语言计量经济学:工具变量法(两阶段最小二乘法2SLS)线性模型分析人均食品消费时间序列数据和回归诊断
R语言计量经济学:工具变量法(两阶段最小二乘法2SLS)线性模型分析人均食品消费时间序列数据和回归诊断