因子分析过程的步骤一般为
因子分析过程的步骤一般为：
（1）计算相关系数矩阵Correlation Matrix
在进行提取因子等分析步骤之前，应对相关矩阵进行检验，如果相关矩阵中的大部分相关系数小于0.3，则不适合作因子分析；当原始变量个数较多时，所输出的相关系数矩阵特别大，观察起来不是很方便，所以一般不会采用此方法或即使采用了此方法，也不方便在结果汇报中给出原始分析报表。
（2）计算反映象相关矩阵Anti-image correlation matrix
反映象矩阵重要包括负的协方差和负的偏相关系数。偏相关系数是在控制了其他变量对两变量影响的条件下计算出来的净相关系数。
如果原有变量之间确实存在较强的相互重叠以及传递影响，也就是说，如果原有变量中确实能够提取出公共因子，那么在控制了这些影响后的偏相关系数必然很小。
观察反映象相关矩阵，如果反映象相关矩阵中除主对角元素外，其他大多数元素的绝对值均小，对角线上元素的值越接近1，则说明这些变量的相关性较强，适合进行因子分析。与方法（1）中最后所述理由相同，一般少采用此方法
（3）巴特利特球度检验Bartlett test of sphericity
Bartlett球体检验的目的是检验相关矩阵是否是单位矩阵（identity matrix），如果是单位矩阵，则认为因子模型不合适。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。
（4）KMO（Kaiser-Meyer-OklinMeasure of Smapling Adequacy）
KMO是Kaiser-Meyer-Olkin的取样适当性量数。KMO测度的值越高（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。通常按以下标准解释该指标值的大小：KMO值达到0.9以上为非常好，0.8～0.9为好，0.7～0.8为一般，0.6～0.7为差，0.5～0.6为很差。如果KMO测度的值低于0.5时，表明样本偏小，需要扩大样本。
绛旓細鍥犲瓙鍒嗘瀽杩囩▼鐨勬楠や竴鑸负锛氾紙1锛璁＄畻鐩稿叧绯绘暟鐭╅樀Correlation Matrix鍦ㄨ繘琛屾彁鍙栧洜瀛愮瓑鍒嗘瀽姝ラ涔嬪墠锛屽簲瀵圭浉鍏崇煩闃佃繘琛屾楠岋紝濡傛灉鐩稿叧鐭╅樀涓殑澶ч儴鍒嗙浉鍏崇郴鏁板皬浜0.3锛屽垯涓嶉傚悎浣滃洜瀛愬垎鏋愶紱褰撳師濮嬪彉閲忎釜鏁拌緝澶氭椂锛屾墍杈撳嚭鐨勭浉鍏崇郴鏁扮煩闃电壒鍒ぇ锛岃瀵熻捣鏉ヤ笉鏄緢鏂逛究锛屾墍浠ヤ竴鑸笉浼氶噰鐢ㄦ鏂规硶鎴栧嵆浣块噰鐢ㄤ簡姝ゆ柟娉曪紝...
绛旓細鍥犲瓙鍒嗘瀽閫氬父鏈変笁涓楠;绗竴姝ユ槸鍒ゆ柇鏄惁閫傚悎杩涜鍥犲瓙鍒嗘瀽;绗簩姝ユ槸鍥犲瓙涓庨椤瑰搴斿叧绯诲垽鏂;绗笁姝ユ槸鍥犲瓙鍛藉悕銆傜涓姝:鍒ゆ柇鏄惁杩涜鍥犲瓙鍒嗘瀽,鍒ゆ柇鏍囧噯涓篕MO鍊煎ぇ浜0.6;绗簩姝:鍥犲瓙涓庨椤瑰搴斿叧绯诲垽鏂傚洜瀛愪笌棰橀」瀵瑰簲鍏崇郴鍒ゆ柇:鍋囪棰勬湡涓3涓洜瀛(鍙橀噺),鍒嗘瀽棰橀」涓10涓;鍥犲瓙涓庨椤逛氦鍙夊叡寰楀埌30涓暟...
绛旓細鍥犲瓙鍒嗘瀽杩囩▼鐨勬楠ゅ涓嬶細绗竴姝ワ細鏁版嵁妫楠銆傜敤浜庡洜瀛愬垎鏋愮殑鍙橀噺蹇呴』鏄浉鍏崇殑锛屼竴鑸浉鍏崇煩闃典腑澶ч儴鍒嗙浉鍏崇郴鏁板皬浜0.3锛屽氨涓嶉傚悎鍋氬洜瀛愬垎鏋愪簡銆傝繕鍙互浣跨敤宸寸壒鍒╃壒鐞冨舰妫楠岋紝KMO妫楠岀瓑銆傜浜屾锛氬洜瀛愭彁鍙栥傚父鐢ㄤ富鎴愬垎娉曟彁鍙栵紝鍏堝鏁版嵁杩涜鏍囧噯鍖栵紝鐒跺悗璁＄畻鍑虹浉鍏崇郴鏁扮煩闃靛強鍏剁壒寰佹牴鍜岀壒寰佸悜閲忥紝鏈鍚庡啀杩涜鍥犲瓙...
绛旓細锛坕锛夊洜瀛愬垎鏋愬父甯告湁浠ヤ笅鍥涗釜鍩烘湰姝ラ锛鈶寸‘璁ゅ緟鍒嗘瀽鐨勫師鍙橀噺鏄惁閫傚悎浣滃洜瀛愬垎鏋愩傗懙鏋勯犲洜瀛愬彉閲忋傗懚鍒╃敤鏃嬭浆鏂规硶浣垮洜瀛愬彉閲忔洿鍏锋湁鍙В閲婃銆傗懛璁＄畻鍥犲瓙鍙橀噺寰楀垎銆傦紙ii锛夊洜瀛愬垎鏋愮殑璁＄畻杩囩▼锛氣懘灏嗗師濮嬫暟鎹爣鍑嗗寲锛屼互娑堥櫎鍙橀噺闂村湪鏁伴噺绾у拰閲忕翰涓婄殑涓嶅悓銆傗懙姹傛爣鍑嗗寲鏁版嵁鐨勭浉鍏崇煩闃碉紱鈶舵眰鐩稿叧鐭╅樀鐨勭壒寰佸煎拰...
绛旓細绠杩板洜瀛愬垎鏋愮殑鍩烘湰杩囩▼鍜屽父鐢ㄦ爣閲忥細涓銆佸熀鏈繃绋嬶細1銆佺‘璁ゅ緟鍒嗘瀽鐨勫師濮嬪彉閲忔槸鍚﹂傚悎浣滃洜瀛愬垎鏋;2銆佹瀯閫犲洜瀛愬彉閲;3銆佸埄鐢ㄦ棆杞柟娉曚娇鍥犲瓙鍙橀噺鍏锋湁鍙В閲婃;4銆佽绠楁瘡涓牱鏈殑鍥犲瓙鍙橀噺寰楀垎 浜屻佸父鐢ㄦ爣閲忥細鍙橀噺鏄敤鍦ㄦ柟绋嬩腑鐨, 閫夋嫨鍙橀噺鏄繃婊や釜妗堢殑 ...
绛旓細鍥犲瓙鍒嗘瀽閫氬父鏈変笁涓楠;绗竴姝ユ槸鍒ゆ柇鏄惁閫傚悎杩涜鍥犲瓙鍒嗘瀽;绗簩姝ユ槸鍥犲瓙涓庨椤瑰搴斿叧绯诲垽鏂;绗笁姝ユ槸鍥犲瓙鍛藉悕銆傚浣曡繘琛屽洜瀛愬垎鏋愶紵杩欓噷浠ュ湪绾跨増SPSSAU杩涜涓句緥璇存槑锛屾搷浣滃涓嬶細鍥犲瓙寰楀垎鍙敤浜庤繘涓姝ュ垎鏋愪娇鐢ㄥ鏋滆繘琛岃仛绫诲垎鏋愪娇鐢ㄧ瓑锛屽洜瀛愬緱鍒嗛渶瑕侀変腑鎸夐挳鎵嶄細鐢熸晥锛屼笖SPSSAU鍗曠嫭鐢熸垚鏂版爣棰樺悕绉扮被浼间负锛氣淔AC***...
绛旓細鍥犲瓙鍒嗘瀽鐨勬楠ら氬父鍖呮嫭锛氭暟鎹澶勭悊銆佸洜瀛愭棆杞佸洜瀛愯В閲婂拰鍥犲瓙鍓旈櫎绛夈傚湪杩涜鍥犲瓙鍓旈櫎鏃讹紝濡傛灉鍓旈櫎浜嗘煇浜涘洜瀛愶紝鍒欓渶瑕侀噸鏂拌绠楀洜瀛愯础鐚害銆佸洜瀛愭柟宸础鐚巼绛夊弬鏁般傞噸鏂拌绠楃殑鏂规硶鍙互浣跨敤缁熻杞欢鎴栬呮墜绠楃殑鏂规硶銆傚湪浣跨敤缁熻杞欢鏃讹紝閫氬父闇瑕侀噸鏂拌緭鍏ユ暟鎹紝鐒跺悗杩涜鍥犲瓙鍒嗘瀽锛屽緱鍑烘柊鐨勭粨鏋溿傚鏋滄墜绠楋紝鍒欓渶瑕...
绛旓細鍦鍥犲瓙鍒嗘瀽閾佸櫒渚涘簲渚涘洜姝ょ殑鍘熷垯锛屽氨鏄厛瑕佹壘鍑轰袱涓汉鐨勬渶澶у叕鍥犳暟锛屾彁鍙栨墍鏈夐」鍖呭惈鐨勫叡鍚屽洜瀛愶紝閭ｄ箞杩欎釜鏈澶х殑鍏洜鏁板氨鏄垎瀛愭彁鍙栫殑鍏叡鍥犲瓙銆傚洜瀛愬垎鏋愭槸鎸囩爺绌朵粠鍙橀噺缇や腑鎻愬彇鍏辨у洜瀛愮殑缁熻鎶鏈傚洜瀛愬垎鏋愬彲鍦ㄨ澶氬彉閲忎腑鎵惧嚭闅愯棌鐨勫叿鏈変唬琛ㄦх殑鍥犲瓙銆傚皢鐩稿悓鏈川鐨勫彉閲忓綊鍏ヤ竴涓洜瀛愶紝鍙噺灏戝彉閲忕殑鏁扮洰锛岃繕...
绛旓細涓.鍥犲瓙鍒嗘瀽姝ラ锛1.纭鏄槸鍚﹂傚悎鍋氬洜瀛愬垎鏋 2.鏋勯犲洜瀛愬彉閲 3.鏃嬭浆鏂规硶瑙ｉ噴 4.璁＄畻鍥犲瓙鍙橀噺寰楀垎 浜.鍥犲瓙鍒嗘瀽鐨勮绠杩囩▼锛1.灏嗗師濮嬫暟鎹爣鍑嗗寲 鐩殑锛氭秷闄ゆ暟閲忕骇閲忕翰涓嶅悓 2.姹傛爣鍑嗗寲鏁版嵁鐨勭浉鍏崇煩闃 3.姹傜浉鍏崇煩闃电殑鐗瑰緛鍊煎拰鐗瑰緛鍚戦噺 4.璁＄畻鏂瑰樊璐＄尞鐜囧拰绱鏂瑰樊璐＄尞鐜 5.纭畾鍥犲瓙 F1,F2,F3...涓...
绛旓細1銆侀鍏堟墦寮鑷繁闇瑕佽繘琛鍥犲瓙鍒嗘瀽鐨鏁版嵁锛岀偣鍑烩滃垎鏋愨濓紝鈥滈檷缁粹濓紝鈥滃洜瀛愨濓紝杩涘叆鍥犲瓙鍒嗘瀽鐨勮缃晫闈2銆侀変腑宸︿晶鐨勬墍鏈夋寚鏍囷紝鐐瑰嚮娣诲姞鎸夐挳娣诲姞鍒板彸渚х殑鍙橀噺鍒楄〃銆3銆佺劧鍚庣偣鍑烩滄弿杩扳濓紝鍕鹃夆滃垵濮嬭В鈥濃淜MO鍜屽反鐗瑰埄鐗圭悆褰㈠害妫楠屸濓紝鐐瑰嚮缁х画銆4銆佹帴鐫鐐瑰嚮鈥滄彁鍙栤濓紝鍕鹃夆滅鐭冲浘鈥濓紝瀹屾垚鍚庣偣鍑荤户缁5...
