因子分析spss步骤 怎样用spss做因子分析？
spss\u56e0\u5b50\u5206\u6790\u8be6\u7ec6\u6b65\u9aa41\u3001\u5728\u65b0\u5efa\u7684Excel\u8868\u683c\u4e2d\uff0c\u63d2\u5165\u516d\u5217\u6570\u636e\uff0c\u6709\u79cd\u7c7b\u3001AC1\u3001AC2\u3001AC3\u3001AC4\u548cAC5\uff1b
2\u3001\u6253\u5f00SPSS\u5206\u6790\u5de5\u5177\uff0c\u70b9\u51fb\u6587\u4ef6\u83dc\u5355\uff0c\u6253\u5f00\u6570\u636e\u9009\u62e9excel\u8868\u683c\uff0c\u4ece\u800c\u5bfc\u5165\u6570\u636e\uff1b
3\u3001\u5bfc\u5165\u6570\u636e\u4e4b\u540e\uff0c\u8c03\u6574\u53d8\u91cf\u5217\u5c55\u793a\u7684\u5bbd\u5ea6\uff0c\u5c55\u793a\u9ed8\u8ba4\u6570\u636e\u89c6\u56fe\uff1b
4\u3001\u5355\u51fb\u5206\u6790\u83dc\u5355\uff0c\u7136\u540e\u9009\u62e9\u964d\u7ef4\u4e2d\u7684\u56e0\u5b50\uff1b
5\u3001\u6253\u5f00\u56e0\u5b50\u5206\u6790\u7a97\u53e3\uff0c\u5c06AC1\u3001AC2\u3001AC3\u3001AC4\u548cAC5\u79fb\u5230\u53d8\u91cf\u6846\u4e2d\uff1b
6\u3001\u70b9\u51fb\u63cf\u8ff0\u6309\u94ae\uff0c\u6253\u5f00\u5bf9\u5e94\u7684\u7a97\u53e3\uff0c\u7edf\u8ba1\u52fe\u9009\u521d\u59cb\u89e3\uff0c\u76f8\u5173\u7cfb\u6570\u77e9\u9635\u52fe\u9009\u7cfb\u6570\u548cKMO\u548c\u5df4\u7279\u5229\u7279\u7403\u5f62\u5ea6\u68c0\u9a8c\uff1b
7\u3001\u63a5\u7740\u70b9\u51fb\u63d0\u53d6\u6309\u94ae\uff0c\u6253\u5f00\u7a97\u53e3\u5e76\u52fe\u9009\u5206\u6790\u76f8\u5173\u6027\u77e9\u9635\uff0c\u663e\u793a\u52fe\u9009\u672a\u65cb\u8f6c\u56e0\u5b50\u89e3\u548c\u788e\u77f3\u56fe\uff1b
8\u3001\u9009\u62e9\u65cb\u8f6c\u6253\u5f00\u7a97\u53e3\uff0c\u65b9\u6cd5\u9009\u62e9\u6700\u5927\u65b9\u5dee\u6cd5\uff0c\u663e\u793a\u52fe\u9009\u65cb\u8f6c\u540e\u7684\u89e3\u548c\u8f7d\u8377\u56fe\uff1b
9\u3001\u70b9\u51fb\u5f97\u5206\u6309\u94ae\uff0c\u6253\u5f00\u56e0\u5b50\u5f97\u5206\u7a97\u53e3\uff0c\u52fe\u9009\u4fdd\u5b58\u4e3a\u53d8\u91cf\uff0c\u65b9\u6cd5\u9009\u62e9\u56de\u5f52\uff0c\u7136\u540e\u5355\u51fb\u7ee7\u7eed\uff1b
10\u3001\u6700\u540e\u8bbe\u7f6e\u9009\u9879\uff0c\u7f3a\u5931\u503c\u52fe\u9009\u6210\u5217\u6392\u9664\u4e2a\u6570\uff0c\u7cfb\u6570\u663e\u793a\u683c\u5f0f\u52fe\u9009\u6309\u5927\u5c0f\u6392\u5e8f\uff0c\u7136\u540e\u70b9\u51fb\u7ee7\u7eed\uff1b
11\u3001\u786e\u5b9a\u4e4b\u540e\uff0c\u751f\u6210\u56e0\u5b50\u5206\u6790\u7ed3\u679c\uff0c\u6709\u76f8\u5173\u6027\u77e9\u9635\u3001KMO\u548c\u5df4\u7279\u5229\u7279\u68c0\u9a8c\uff1b
12\u3001\u6839\u636e\u5df2\u9009\u7684\u51e0\u4e2a\u53d8\u91cf\uff0c\u751f\u6210\u516c\u56e0\u5b50\u65b9\u5dee\u548c\u603b\u65b9\u5dee\u89e3\u91ca\uff1b
13\u3001\u63a5\u7740\uff0c\u751f\u6210\u4ee5\u7ec4\u4ef6\u53f7\u4e3a\u6a2a\u5750\u6807\uff0c\u7279\u5f81\u503c\u4e3a\u7eb5\u5750\u6807\uff0c\u6784\u6210\u788e\u77f3\u56fe\uff1b
14\u3001\u8fd8\u53ef\u4ee5\u751f\u6210\u6210\u5206\u77e9\u9635\u548c\u65cb\u8f6c\u540e\u7684\u6210\u5206\u77e9\u9635\uff0c\u63d0\u53d6\u65b9\u6cd5\u662f\u4e3b\u6210\u5206\u5206\u6790\u6cd5\uff1b
15\u3001\u5728\u6210\u5206\u8f6c\u6362\u77e9\u9635\u4e0b\u65b9\uff0c\u751f\u6210\u65cb\u8f6c\u540e\u7684\u7a7a\u95f4\u4e2d\u7684\u7ec4\u4ef6\u56fe\uff1b
16\u3001\u6700\u540e\u6309\u7167\u6210\u5206\uff0c\u751f\u6210\u6210\u5206\u5f97\u5206\u7cfb\u6570\u77e9\u9635\u548c\u6210\u5206\u5f97\u5206\u534f\u65b9\u5dee\u77e9\u9635\u3002
步骤如下：
1、在新建的Excel表格中，插入六列数据，有种类、AC1、AC2、AC3、AC4和AC5；
2、打开SPSS分析工具，点击文件菜单，打开数据选择excel表格，从而导入数据；
3、导入数据之后，调整变量列展示的宽度，展示默认数据视图；
4、单击分析菜单，然后选择降维中的因子；
5、打开因子分析窗口，将AC1、AC2、AC3、AC4和AC5移到变量框中；
6、点击描述按钮，打开对应的窗口，统计勾选初始解，相关系数矩阵勾选系数和KMO和巴特利特球形度检验；
7、接着点击提取按钮，打开窗口并勾选分析相关性矩阵，显示勾选未旋转因子解和碎石图；
8、选择旋转打开窗口，方法选择最大方差法，显示勾选旋转后的解和载荷图；
9、点击得分按钮，打开因子得分窗口，勾选保存为变量，方法选择回归，然后单击继续；
10、最后设置选项，缺失值勾选成列排除个数，系数显示格式勾选按大小排序，然后点击继续；
11、确定之后，生成因子分析结果，有相关性矩阵、KMO和巴特利特检验；
12、根据已选的几个变量，生成公因子方差和总方差解释；
13、接着，生成以组件号为横坐标，特征值为纵坐标，构成碎石图；
14、还可以生成成分矩阵和旋转后的成分矩阵，提取方法是主成分分析法；
15、在成分转换矩阵下方，生成旋转后的空间中的组件图；
16、最后按照成分，生成成分得分系数矩阵和成分得分协方差矩阵。
1.因子分析：
因子分析模型中，假定每个原始变量由两部分组成：共同因子和唯一因子。共同因子是各个原始变量所共有的因子，解释变量之间的相关关系。唯一因子顾名思义是每个原始变量所特有的因子，表示该变量不能被共同因子解释的部分。
（帮助解读：举个例子，现在一个excel表有10个变量，因子分析可以将这10个变量通过某种算法变为3个，4个，5个等等因子，而每个因子都能表达一种涵义，从而达到了降维的效果，方便接下来的数据分析）
2.因子分析与主成分分析的区别：
主成分分析是试图寻找原有变量的一个线性组合。这个线性组合方差越大，那么该组合所携带的信息就越多。也就是说，主成分分析就是将原始数据的主要成分放大。
因子分析，它是假设原有变量的背后存在着一个个隐藏的因子，这个因子可以可以包括原有变量中的一个或者几个，因子分析并不是原有变量的线性组合。
（帮助解读：主成分分析降维凸显变量中起主导作用的变量，因子分析寻找变量背后可以概括变量特征的因子）
---------------------------算法及原理就不介绍了，比较秃头-----------------------------
二.因子分析怎么做（在spss中）：
1.数据准备：
下图数据是一份某城市的空气质量数据，一共6个变量，分别是：二氧化硫、二氧化氮、可吸入颗粒物、一氧化碳、臭氧、细颗粒物。在SPSS中打开数据如下：
图1
2.操作步骤：
1）打开因子分析工具：
在这里插入图片描述
2）选择要进行因子分析的变量：
在这里插入图片描述
3）设置因子分析模型：（可以按照以下截图设置模型，一般来说足够）
a.描述：这里要说一下KMO和Bartlett的球形度检验，
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。Kaiser给出了常用的kmo度量标准: 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。KMO统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1.KMO值越接近于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；当所有变量间的简单相关系数平方和接近0时，KMO值接近0.KMO值越接近于0,意味着变量间的相关性越弱，原有
意思分析sp，ss步骤是应该是能考的进行分析，这样的刚好找到一些东西，所以这应该非常不错。
你想分析s不足，到底是怎么了？就打开一下这个辅助资料，进行一个分析，等等吧，比较多的情况
不懂分析那样复杂，我们都要这样要求。
绛旓細2.鍥犲瓙鍙橀噺涓嶆槸瀵瑰師鏈夊彉閲忕殑鍙栬垗锛岃屾槸鏍规嵁鍘熷鍙橀噺鐨勪俊鎭繘琛岄噸鏂扮粍鏋勶紝瀹冭兘鍙嶆槧鍘熸湁鍙橀噺澶ч儴鍒嗙殑淇℃伅锛3.鍥犲瓙鍙橀噺涔嬮棿涓嶅瓨鍦ㄧ嚎鎬х浉鍏冲叧绯伙紝瀵瑰彉閲忕殑鍒嗘瀽姣旇緝鏂逛究锛4.鍥犲瓙鍙橀噺鍏锋湁鍛藉悕瑙ｉ噴鎬э紝鍗宠鍙橀噺鏄鏌愪簺鍘熷鍙橀噺淇℃伅鐨勭患鍚堝弽鏄犮SPSS涓殑鍥犲瓙鍒嗘瀽姝ラ 鍩烘湰鍘熺悊锛氶拡瀵瑰彉閲忎綔鍥犲瓙鍒嗘瀽锛岀О涓篟鍨嬪洜瀛...
绛旓細淇濆瓨鍥犲瓙鍒嗘瀽灏卞ソ锛屽鏋滅敤spssau鍒嗘瀽鍓嶅厛鍕鹃夆滃洜瀛愬緱鍒嗏濋夐」锛屽嵆鍙湪鍒嗘瀽鍚庡緱鍒板洜瀛愬緱鍒嗛」銆spss鐩存帴鎶婂嚑涓洜瀛愰兘宸茬粡绠楀嚭鏉ヤ簡锛屽氨鏄痙uFAC1-1鍒楀氨鏄洜瀛怓1锛屽悓鐞嗗彲浠ュ緱鐭2锛孎3...涓嶇敤绠楃殑锛屽鏋滈棶F1鎬庝箞鏉ョ殑锛屽氨璇存槸F1=0.701X1-0.549X2+0.736X3+0.216X4+0.112X5-0.318X6銆傚鏋滆繘琛屼富鎴...
绛旓細spss鍥犲瓙澧炲姞姝ラ锛1銆佹墦寮SPSS杞欢骞跺姞杞戒綘鐨勬暟鎹枃浠躲2銆佽浆鍒"Analyze"锛堝垎鏋愶級鑿滃崟锛岄夋嫨"DimensionReduction"锛堥檷缁达級涓嬬殑"Factor"锛堝洜瀛愶級閫夐」銆3銆佸湪寮瑰嚭鐨勫璇濇涓紝閫夋嫨浣犺杩涜鍥犲瓙鍒嗘瀽鐨勫彉閲忥紝骞跺皢瀹冧滑绉诲姩鍒"Variables"锛堝彉閲忥級妗嗕腑銆4銆佸湪"Extraction"锛堟彁鍙栵級閫夐」鍗′腑锛岄夋嫨鍚堥傜殑鎻愬彇鏂规硶锛...
绛旓細鍙互浣跨敤鍦ㄧ嚎spss骞冲彴SPSSAU杩涜鍒嗘瀽锛屽洜瀛愬垎鏋愮敤浜庢帰绱㈠畾閲忔暟鎹彲浠ユ祿缂╀负鍑犱釜鏂归潰(鍥犲瓙)锛屾瘡涓柟闈(鍥犲瓙)鍜岄椤瑰搴斿叧绯汇鍥犲瓙鍒嗘瀽姝ラ锛1銆侀夋嫨杩涢樁鏂规硶>>鍥犲瓙 2銆佽缃緭鍑虹淮搴︼紙鍥犲瓙锛変釜鏁 3銆佺偣鍑诲紑濮嬪垎鏋 鍥犲瓙鍒嗘瀽閫氬父鏈変笁涓楠わ細绗竴姝ユ槸鍒ゆ柇鏄惁閫傚悎杩涜鍥犲瓙鍒嗘瀽锛涚浜屾鏄洜瀛愪笌棰橀」瀵瑰簲鍏崇郴鍒ゆ柇...
绛旓細閫氳繃鍥犲瓙鍒嗘瀽涓竴涓夐」淇濆瓨鍥犲瓙寰楀垎锛岀劧鍚庣郴缁熶細鍦ㄥ師鏁版嵁鏈鍚庝繚瀛樼敓鎴3鍒楀洜瀛愬緱鍒嗭紝灏嗗亣璁句负a1銆乤2銆乤3浠ｈ〃3涓洜瀛愶紝鐒跺悗鏍规嵁鍥犲瓙鍒嗘瀽寰楀嚭涓変釜鍥犲瓙鐨勭壒寰佹牴鍊硷紝鍒嗗埆璁＄畻绮3涓洜瀛愮殑鏉冮噸锛屽垎鍒负鍚勮嚜鐨勭壒寰佹牴鍊/涓変釜鍥犲瓙鐗瑰緛鏍瑰间箣鍜屻傜劧鍚庣患鍚堝洜瀛愬緱鍒=a1*瀵瑰簲鏉冮噸+a2*瀵瑰簲鏉冮噸+a3*瀵瑰簲鏉冮噸锛屼箣鍚庡氨...
绛旓細纭畾鏁版嵁鐨勬潈閲嶄篃鏄繘琛屾暟鎹垎鏋愮殑閲嶈鍓嶆彁銆傚彲浠ュ埄鐢SPSS鐨勫洜瀛愬垎鏋鏂规硶鏉ョ‘瀹氭潈閲嶃備富瑕姝ラ鏄:(1)棣栧厛灏嗘暟鎹爣鍑嗗寲锛岃繖鏄冭檻鍒颁笉鍚屾暟鎹棿鐨勯噺绾蹭笉涓鑷达紝鍥犺屽繀椤昏鏃犻噺绾插寲銆(2)瀵规爣鍑嗗寲鍚庣殑鏁版嵁杩涜鍥犲瓙鍒嗘瀽(涓绘垚鍒嗘柟娉)锛屼娇鐢ㄦ柟宸渶澶у寲鏃嬭浆銆(3)鍐欏嚭涓诲洜瀛愬緱鍒嗗拰姣忎釜涓诲洜瀛愮殑鏂圭▼璐＄尞鐜囥 Fj =...
绛旓細璇曠敤鍥犲瓙鍒嗘瀽瀵硅繖浜涙寚鏍囨彁鍙栧叕鍥犲瓙骞跺啓鍑烘彁鍙栫殑鍏洜瀛愪笌杩欎簺鎸囨爣涔嬮棿鐨勮〃杈惧紡銆 涓銆佹暟鎹緭鍏 浜屻佹搷浣姝ラ 1銆佽繘鍏SPSS,鎵撳紑鐩稿叧鏁版嵁鏂囦欢,閫夋嫨鈥滃垎鏋愨潀鈥滈檷缁粹潀鈥滃洜瀛愨濆懡浠ゃ2銆侀夋嫨杩涜鍥犲瓙鍒嗘瀽鐨勫彉閲忋傚湪瀵硅瘽妗嗙殑宸︿晶鍒楄〃妗嗕腑,渚濇閫夋嫨鈥滃伐涓氭讳骇鍊尖濃滃浗鍐呯敓浜ф诲尖濃滆揣鐗╁懆杞噺鈥濃滃師鐓も濃滃彂鐢甸噺鈥濃滃師娌...
绛旓細鎺㈢储鎬鍥犲瓙鍒嗘瀽璇﹁В鎺㈢储鎬у洜瀛愬垎鏋愮殑姝ラ濡傚浘鎵绀猴紝瀹冮氬父浣滀负棰勫鐞嗘楠わ紝鍚庣画鍙敤浜庡洖褰掑垎鏋愭垨鑱氱被鍒嗘瀽銆傚湪SPSS涓紝閫氳繃鍕鹃夊洜瀛愬緱鍒嗛夐」锛屽彲浠ヨ交鏉剧敓鎴愬洜瀛愬緱鍒嗐傚鏋滃鐞嗙殑鏄噺琛ㄦ暟鎹紝寤鸿鍏堣绠楃淮搴﹀潎鍊硷紝涓哄悗缁爺绌跺仛濂藉噯澶囥傞獙璇佹у洜瀛愬垎鏋愶細鐞嗚涓庡疄璺甸獙璇佹у洜瀛愬垎鏋愬垯鏄獙璇佺悊璁哄亣璁撅紝纭繚鍥犲瓙涓庢祴閲忛」...
绛旓細鍥犲瓙鍒嗘瀽绠楁槸spss楂樼骇杩涢樁鐨勫唴瀹逛簡锛屼竴鑸己灏戠粺璁″熀纭鐨勪汉寰堥毦鐞嗚В鍥犲瓙鍒嗘瀽鐨勬暟鎹熀纭锛屽鑷村湪鏁版嵁鍒嗘瀽鐨勬椂鍊欏拷鐣ュ緢澶氱粏鑺傦紝瀵艰嚧閿欒鐨勫彂鐢熴傚湪鍥犲瓙鍒嗘瀽涓渶瀹规槗鍙戠敓鐨勪竴涓敊璇氨鏄煇浜涘彉閲忕殑鍥犲瓙杞借嵎鍑虹幇璐熸暟鑰屾病鏈夊鍏惰繘琛屽鐞嗭紝鏈夌殑鐮旂┒鐩存帴鍒犻櫎鍥犲瓙杞借嵎涓鸿礋鏁扮殑鍙橀噺锛岃繖涓嶆槸涓涓彲鍙栫殑鏂规硶銆備粈涔堟潯浠朵笅闇瑕...
绛旓細瑕佸湪SPSS涓繘琛鍥犲瓙鍒嗘瀽锛屾垜浠渶瑕侀夋嫨鍒嗘瀽鑿滃崟涓殑鍥犲瓙閫夐」锛堚滈愭娉曗濇垨鈥滀富鎴愬垎娉曗濇槸甯歌鐨勬柟娉曪級锛屽苟璁剧疆涓浜涘弬鏁帮紝濡傚彉閲忎负鍝竴绉嶆暟鎹被鍨嬶紙瀹氶噺鎴栧畾鎬э紝鏁呮剰鎺掗櫎涓嶅彈鐢ㄥ彉閲忕瓑锛夈傚湪杩欎釜杩囩▼涓紝鎴戜滑鍙兘闇瑕佽鏁版嵁缁忚繃鏍囧噯鍖栥佹秷闄や笉蹇呰鐨勫彉寮傚拰妫鏌ュ洜瀛愭暟閲忔槸鍚﹀悎鐞嗐傜劧鍚庢垜浠彲浠ユ煡鐪嬪洜瀛愯浇鑽峰浘骞...
