因子分析法如何确定主成分及各个指标的权重？ 如何用主成分分析法确定指标权重？
spss\u4e2d\u5982\u4f55\u7528\u56e0\u5b50\u5206\u6790\u8ba1\u7b97\u5404\u6307\u6807\u7684\u6743\u91cd\uff1f\u786e\u5b9a\u6570\u636e\u7684\u6743\u91cd\u4e5f\u662f\u8fdb\u884c\u6570\u636e\u5206\u6790\u7684\u91cd\u8981\u524d\u63d0\u3002\u53ef\u4ee5\u5229\u7528SPSS\u7684\u56e0\u5b50\u5206\u6790\u65b9\u6cd5\u6765\u786e\u5b9a\u6743\u91cd\u3002\u4e3b\u8981\u6b65\u9aa4\u662f:
(1)\u9996\u5148\u5c06\u6570\u636e\u6807\u51c6\u5316\uff0c\u8fd9\u662f\u8003\u8651\u5230\u4e0d\u540c\u6570\u636e\u95f4\u7684\u91cf\u7eb2\u4e0d\u4e00\u81f4\uff0c\u56e0\u800c\u5fc5\u987b\u8981\u65e0\u91cf\u7eb2\u5316\u3002
(2)\u5bf9\u6807\u51c6\u5316\u540e\u7684\u6570\u636e\u8fdb\u884c\u56e0\u5b50\u5206\u6790(\u4e3b\u6210\u5206\u65b9\u6cd5)\uff0c\u4f7f\u7528\u65b9\u5dee\u6700\u5927\u5316\u65cb\u8f6c\u3002
(3)\u5199\u51fa\u4e3b\u56e0\u5b50\u5f97\u5206\u548c\u6bcf\u4e2a\u4e3b\u56e0\u5b50\u7684\u65b9\u7a0b\u8d21\u732e\u7387\u3002 Fj =\u03b21j*X1 +\u03b22j*X2 +\u03b23j*X3 + \u2026\u2026+ \u03b2nj*Xn ; Fj \u4e3a\u4e3b\u6210\u5206(j=1\u30012\u3001\u2026\u2026\u3001m)\uff0cX1\u3001X2 \u3001X3 \u3001\u2026\u2026\u3001Xn \u4e3a\u5404\u4e2a\u6307\u6807\uff0c\u03b21j\u3001\u03b22j\u3001\u03b23j\u3001\u2026\u2026\u3001\u03b2nj\u4e3a\u5404\u6307\u6807\u5728\u4e3b\u6210\u5206Fj \u4e2d\u7684\u7cfb\u6570\u5f97\u5206\uff0c\u7528ej\u8868\u793aFj\u7684\u65b9\u7a0b\u8d21\u732e\u7387\u3002
(4)\u6c42\u51fa\u6307\u6807\u6743\u91cd\u3002 \u03c9i=[(m\u2211j)\u03b2ij*ej]/[(n\u2211i)(m\u2211j)\u03b2ij*ej],\u03c9i\u5c31\u662f\u6307\u6807Xi\u7684\u6743\u91cd\u3002
\u6269\u5c55\u8d44\u6599\u56e0\u5b50\u5206\u6790\u7684\u57fa\u672c\u601d\u60f3\u662f\u6839\u636e\u76f8\u5173\u6027\u5927\u5c0f\u628a\u539f\u59cb\u53d8\u91cf\u5206\u7ec4\uff0c\u4f7f\u5f97\u540c\u7ec4\u5185\u7684\u53d8\u91cf\u4e4b\u95f4\u76f8\u5173\u6027\u8f83\u9ad8\uff0c\u800c\u4e0d\u540c\u7ec4\u7684\u53d8\u91cf\u95f4\u7684\u76f8\u5173\u6027\u5219\u8f83\u4f4e\u3002
\u6bcf\u7ec4\u53d8\u91cf\u4ee3\u8868\u4e00\u4e2a\u57fa\u672c\u7ed3\u6784\uff0c\u5e76\u7528\u4e00\u4e2a\u4e0d\u53ef\u89c2\u6d4b\u7684\u7efc\u5408\u53d8\u91cf\u8868\u793a\uff0c\u8fd9\u4e2a\u57fa\u672c\u7ed3\u6784\u5c31\u6210\u4e3a\u516c\u5171\u56e0\u5b50\uff0c\u5bf9\u4e8e\u6240\u7814\u7a76\u7684\u67d0\u4e00\u5177\u4f53\u95ee\u9898\uff0c\u539f\u59cb\u53d8\u91cf\u5c31\u53ef\u4ee5\u5206\u89e3\u6210\u4e24\u90e8\u5206\u4e4b\u548c\u7684\u5f62\u5f0f\uff0c\u4e00\u90e8\u5206\u662f\u5c11\u6570\u51e0\u4e2a\u4e0d\u53ef\u6d4b\u7684\u6240\u8c13\u516c\u5171\u56e0\u5b50\u7684\u7ebf\u6027\u51fd\u6570\uff0c\u53e6\u4e00\u90e8\u5206\u662f\u4e0e\u516c\u5171\u56e0\u5b50\u65e0\u5173\u7684\u7279\u6b8a\u56e0\u5b50\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-spss
\u5728SPSS\u4e2d\uff0c\u4e3b\u6210\u5206\u5206\u6790\u662f\u901a\u8fc7\u8bbe\u7f6e\u56e0\u5b50\u5206\u6790\u4e2d\u7684\u62bd\u53d6\u65b9\u6cd5\u5b9e\u73b0\u7684\uff0c\u5982\u679c\u8bbe\u7f6e\u7684\u62bd\u53d6\u65b9\u6cd5\u662f\u4e3b\u6210\u5206\uff0c\u90a3\u4e48\u8ba1\u7b97\u7684\u5c31\u662f\u4e3b\u6210\u5206\u5f97\u5206\uff0c\u53e6\u5916\uff0c\u56e0\u5b50\u5206\u6790\u548c\u4e3b\u6210\u5206\u5206\u6790\u5c3d\u7ba1\u539f\u7406\u4e0d\u540c\uff0c\u4f46\u662f\u4e24\u8005\u7efc\u5408\u5f97\u5206\u7684\u8ba1\u7b97\u65b9\u6cd5\u662f\u4e00\u81f4\u7684\u3002
\u5c42\u6b21\u5206\u6790\u6cd5\u6839\u636e\u95ee\u9898\u7684\u6027\u8d28\u548c\u8981\u8fbe\u5230\u7684\u603b\u76ee\u6807\uff0c\u5c06\u95ee\u9898\u5206\u89e3\u4e3a\u4e0d\u540c\u7684\u7ec4\u6210\u56e0\u7d20\uff0c\u5e76\u6309\u7167\u56e0\u7d20\u95f4\u7684\u76f8\u4e92\u5173\u8054\u5f71\u54cd\u4ee5\u53ca\u96b6\u5c5e\u5173\u7cfb\u5c06\u56e0\u7d20\u6309\u4e0d\u540c\u5c42\u6b21\u805a\u96c6\u7ec4\u5408\uff0c
\u5f62\u6210\u4e00\u4e2a\u591a\u5c42\u6b21\u7684\u5206\u6790\u7ed3\u6784\u6a21\u578b\uff0c\u4ece\u800c\u6700\u7ec8\u4f7f\u95ee\u9898\u5f52\u7ed3\u4e3a\u6700\u4f4e\u5c42(\u4f9b\u51b3\u7b56\u7684\u65b9\u6848\u3001\u63aa\u65bd\u7b49)\u76f8\u5bf9\u4e8e\u6700\u9ad8\u5c42(\u603b\u76ee\u6807)\u7684\u76f8\u5bf9\u91cd\u8981\u6743\u503c\u7684\u786e\u5b9a\u6216\u76f8\u5bf9\u4f18\u52a3\u6b21\u5e8f\u7684\u6392\u5b9a\u3002
\u6269\u5c55\u8d44\u6599\uff1a
\u4e3b\u6210\u5206\u5206\u6790\u6cd5\u662f\u4e00\u79cd\u964d\u7ef4\u7684\u7edf\u8ba1\u65b9\u6cd5\uff0c\u5b83\u501f\u52a9\u4e8e\u4e00\u4e2a\u6b63\u4ea4\u53d8\u6362\uff0c\u5c06\u5176\u5206\u91cf\u76f8\u5173\u7684\u539f\u968f\u673a\u5411\u91cf\u8f6c\u5316\u6210\u5176\u5206\u91cf\u4e0d\u76f8\u5173\u7684\u65b0\u968f\u673a\u5411\u91cf\uff0c\u8fd9\u5728\u4ee3\u6570\u4e0a\u8868\u73b0\u4e3a\u5c06\u539f\u968f\u673a\u5411\u91cf\u7684\u534f\u65b9\u5dee\u9635\u53d8\u6362\u6210\u5bf9\u89d2\u5f62\u9635\uff0c\u5728\u51e0\u4f55\u4e0a\u8868\u73b0\u4e3a\u5c06\u539f\u5750\u6807\u7cfb\u53d8\u6362\u6210\u65b0\u7684\u6b63\u4ea4\u5750\u6807\u7cfb\uff0c
\u4f7f\u4e4b\u6307\u5411\u6837\u672c\u70b9\u6563\u5e03\u6700\u5f00\u7684p \u4e2a\u6b63\u4ea4\u65b9\u5411\uff0c\u7136\u540e\u5bf9\u591a\u7ef4\u53d8\u91cf\u7cfb\u7edf\u8fdb\u884c\u964d\u7ef4\u5904\u7406\uff0c\u4f7f\u4e4b\u80fd\u4ee5\u4e00\u4e2a\u8f83\u9ad8\u7684\u7cbe\u5ea6\u8f6c\u6362\u6210\u4f4e\u7ef4\u53d8\u91cf\u7cfb\u7edf\uff0c\u518d\u901a\u8fc7\u6784\u9020\u9002\u5f53\u7684\u4ef7\u503c\u51fd\u6570\uff0c\u8fdb\u4e00\u6b65\u628a\u4f4e\u7ef4\u7cfb\u7edf\u8f6c\u5316\u6210\u4e00\u7ef4\u7cfb\u7edf\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-\u4e3b\u6210\u5206\u5206\u6790\u6cd5
(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。
扩展资料
产品特点
1、操作简便
界面非常友好，除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。
2、编程方便
具有第四代语言的特点，告诉系统要做什么，无需告诉怎样做。只要了解统计分析的原理，无需通晓统计方法的各种算法，即可得到需要的统计分析结果。
对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。
3、功能强大
具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。
参考资料来源：百度百科-spss
如果使用因子分析的目的在于计算权重，此时可使用旋转后方差解释率值计算主成分权重。
比如提取2个因子，旋转后的方差解释率分别是39.759%，24.061%，旋转后累积方差解释率为63.820%。那么归一化（即除累积方差解释率）即得到权重，计算如下表：
SPSSAU进阶方法里的因子分析可以得到方差解释率及累积方差解释率。
各指标权重在输出结果里也有提供。
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。
用SPSS软件啊。把数据导入，选择因子分析选项，会得到带有得分和权重的列表啊。
主成分看方差贡献率就可以，各个指标要二次运算吧。我也正在找，同问。
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⊿PSS鐨鍥犲瓙鍒嗘瀽鏂规硶鏉ョ‘瀹氭潈閲嶃備富瑕佹楠ゆ槸:(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(涓绘垚鍒鏂规硶)锛屼娇鐢ㄦ柟宸渶澶у寲鏃嬭浆銆(3)鍐欏嚭涓诲洜瀛寰楀垎鍜屾瘡涓富鍥犲瓙鐨勬柟绋嬭础鐚巼銆 Fj =...
绛旓細鎴栨槸甯屾湜灏嗗緱鍒扮殑鎸囨爣杩涜鍛藉悕锛孲PSSAU寤鸿浣跨敤鍥犲瓙鍒嗘瀽銆涓绘垚鍒鍒嗘瀽鐩殑鍦ㄤ簬淇℃伅娴撶缉锛堜絾涓嶅お鍏虫敞涓绘垚鍒嗕笌鍒嗘瀽椤瑰搴斿叧绯伙級锛屾潈閲嶈绠楋紝浠ュ強缁煎悎寰楀垎璁＄畻銆傚甯屾湜杩涜鎺掑悕姣旇緝锛岃绠楃患鍚堢珵浜夊姏锛屽彲浣跨敤涓绘垚鍒嗗垎鏋愩係PSSAU鍙洿鎺ヤ娇鐢ㄨ繖涓ょ鏂规硶锛屾敮鎸佽嚜鍔ㄤ繚瀛樺洜瀛愬緱鍒嗗強缁煎悎寰楀垎锛屼笉闇瑕佹墜鍔ㄨ绠椼
绛旓細1銆鍥犲瓙鍒嗘瀽涓槸鎶婂彉閲忚〃绀烘垚鍚勫洜瀛鐨勭嚎鎬х粍鍚,鑰涓绘垚鍒鍒嗘瀽涓垯鏄妸涓绘垚鍒嗚〃绀烘垚鍚勫彉閲忕殑绾挎х粍鍚堛2銆佷富鎴愬垎鍒嗘瀽鐨勯噸鐐瑰湪浜庤В閲婂悇鍙橀噺鐨勬绘柟宸,鑰屽洜瀛愬垎鏋愬垯鎶婇噸鐐规斁鍦ㄨВ閲婂悇鍙橀噺涔嬮棿鐨勫崗鏂瑰樊銆3銆佷富鎴愬垎鍒嗘瀽涓笉闇瑕佹湁鍋囪(assumptions),鍥犲瓙鍒嗘瀽鍒欓渶瑕佷竴浜涘亣璁俱傚洜瀛愬垎鏋愮殑鍋囪鍖呮嫭:鍚勪釜鍏卞悓鍥犲瓙涔嬮棿涓嶇浉鍏,鐗规畩...
绛旓細涓昏搴旂敤浜庡競鍦鸿皟鐮旈鍩燂紝鍦ㄥ競鍦鸿皟鐮斾腑锛岀爺绌朵汉鍛樺叧蹇冪殑鏄竴浜涚爺绌舵寚鏍囩殑闆嗘垚鎴栬呯粍鍚堬紝杩欎簺姒傚康閫氬父鏄氳繃绛夌骇璇勫垎闂鏉ユ祴閲忕殑銆2銆佷富鎴愬垎鍒嗘瀽娉曪細浜哄彛缁熻瀛︺佹暟閲忓湴鐞嗗銆佸垎瀛愬姩鍔涘妯℃嫙銆佹暟瀛﹀缓妯°佹暟鐞嗗垎鏋愮瓑瀛︾涓潎鏈夊簲鐢ㄣ備笁銆佽仈绯伙細鍥犲瓙鍒嗘瀽娉曞拰涓绘垚鍒鍒嗘瀽娉曢兘鏄粺璁″垎鏋愭柟娉曪紝閮借瀵瑰彉閲忔爣鍑嗗寲锛...
绛旓細鍥犲瓙鍒嗘瀽娉鍙互鐢ㄤ簬纭畾璇勪环鎸囨爣鏉冩暟銆傞鍏堝皢鏁版嵁鏍囧噯鍖栵紝杩欐槸鑰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傚鏍囧噯鍖栧悗鐨勬暟鎹繘琛屽洜瀛愬垎鏋(涓绘垚鍒鏂规硶)锛屼娇鐢ㄦ柟宸渶澶у寲鏃嬭浆銆傚啓鍑涓诲洜瀛寰楀垎鍜屾瘡涓富鍥犲瓙鐨勬柟绋嬭础鐚巼锛孎j =尾1j*X1 +尾2j*X2 +尾3j*X3 + 尾nj*Xn ; Fj 涓轰富鎴愬垎(j=1...
绛旓細闂涔:鍥犲瓙鍒嗘瀽娉曞浣曠‘瀹氫富鎴愬垎鍙婂悇涓鎸囨爣鐨勬潈閲? 5鍒 鍦⊿PSS涓,涓绘垚鍒嗗垎鏋愭槸閫氳繃璁剧疆鍥犲瓙鍒嗘瀽涓殑鎶藉彇鏂规硶瀹炵幇鐨,濡傛灉璁剧疆鐨勬娊鍙栨柟娉曟槸涓绘垚鍒,閭ｄ箞璁＄畻鐨勫氨鏄富鎴愬垎寰楀垎,鍙﹀,鍥犲瓙鍒嗘瀽鍜屼富鎴愬垎鍒嗘瀽灏界鍘熺悊涓嶅悓,浣嗘槸涓よ呯患鍚堝緱鍒嗙殑璁＄畻鏂规硶鏄竴鑷寸殑銆 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⊿PSS鐨勫洜...
绛旓細涓绘垚鍒嗗垎鏋愶紝鏄冨療澶氫釜鍙橀噺闂寸浉鍏虫т竴绉嶅鍏冪粺璁鏂规硶锛岀爺绌跺浣曢氳繃灏戞暟鍑犱釜涓绘垚鍒嗘潵鎻ず澶氫釜鍙橀噺闂寸殑鍐呴儴缁撴瀯锛屽嵆浠庡師濮嬪彉閲忎腑瀵煎嚭灏戞暟鍑犱釜涓绘垚鍒嗭紝浣垮畠浠敖鍙兘澶氬湴淇濈暀鍘熷鍙橀噺鐨勪俊鎭紝涓斿郊姝ら棿浜掍笉鐩稿叧.閫氬父鏁板涓婄殑澶勭悊灏辨槸灏嗗師鏉涓寚鏍囦綔绾挎х粍鍚堬紝浣滀负鏂扮殑缁煎悎鎸囨爣銆涓绘垚鍒嗗垎鏋愬拰鍥犲瓙鍒嗘瀽鐨勪笉鍚岋細...
绛旓細鎺㈢储鎬鍥犲瓙鍒嗘瀽娉(Exploratory Factor Analysis,EFA)鏄竴绯诲垪鐢ㄦ潵鍙戠幇涓缁勫彉閲忕殑娼滃湪缁撴瀯鐨勬柟娉曘傚畠閫氳繃瀵绘壘涓缁勬洿灏忕殑銆佹綔鍦ㄧ殑鎴栭殣钘忕殑缁撴瀯鏉ヨВ閲婂凡瑙傛祴鍒扮殑銆佹樉寮忕殑鍙橀噺闂寸殑鍏崇郴銆 PCA涓嶦FA妯″瀷闂寸殑鍖哄埆 鍙傝鍥14-1銆備富鎴愬垎(PC1鍜孭C2)鏄娴嬪彉閲(X1鍒癤5)鐨勭嚎鎬х粍鍚堛傚舰鎴愮嚎鎬х粍鍚堢殑鏉冮噸閮芥槸閫氳繃鏈澶у寲鍚勪富...
绛旓細涓銆佹ц川涓嶅悓 1銆涓绘垚鍒鍒嗘瀽娉曟ц川锛氶氳繃姝ｄ氦鍙樻崲灏嗕竴缁勫彲鑳藉瓨鍦ㄧ浉鍏虫х殑鍙橀噺杞崲涓轰竴缁勭嚎鎬т笉鐩稿叧鐨勫彉閲忥紝杞崲鍚庣殑杩欑粍鍙橀噺銆2銆鍥犲瓙鍒嗘瀽娉鎬ц川锛氱爺绌朵粠鍙橀噺缇や腑鎻愬彇鍏辨у洜瀛愮殑缁熻鎶鏈備簩銆佸簲鐢ㄤ笉鍚 1銆佷富鎴愬垎鍒嗘瀽娉曞簲鐢細姣斿浜哄彛缁熻瀛︺佹暟閲忓湴鐞嗗銆佸垎瀛愬姩鍔涘妯℃嫙銆佹暟瀛﹀缓妯°佹暟鐞嗗垎鏋愮瓑瀛︾涓潎...
绛旓細EF-Tu銆丒F-Ts浠ュ強EF-G锛堝叾涓璄F-Tu鍜孍F-Ts鍙互澶嶅悎涓篍F-T锛3涓師濮嬪洜瀛愩傚熀浜庝富鎴愬垎妯″瀷鐨涓绘垚鍒嗗垎鏋愭硶銆佸熀浜鍥犲瓙鍒嗘瀽妯″瀷鐨勪富杞鍥犲瓙娉銆佹瀬澶т技鐒舵硶銆佹渶灏忎簩涔樻硶銆乤鍥犲瓙鎻愬彇娉曘佹槧鍍忓垎鏋愭硶銆備富鎴愬垎鍒嗘瀽娉曡兘澶熶负鍥犲瓙鍒嗘瀽鎻愪緵鍒濆瑙ｏ紝鍥犲瓙鍒嗘瀽鏄富鎴愬垎鍒嗘瀽缁撴灉鐨勫欢浼稿拰鎷撳睍銆
