【SPSS教程】因子分析是什么？如何操作？
因子分析定义是什么？因子分析法的特点有哪些？ SPSS中因子分析的步骤 是怎么样的？因子分析定义
因子分析是研究从 变量群 中提取 共性因子 的统计技术，是将现实生活中多种相关和重叠的信息进行合作和综合，将 原始的多个变量和指标 变成较少的几个 综合变量 和 综合指标 的一种分析方法。通常是选出比原始变量个数少，能解释原来变量和综合指标的一种分析方法。
因子分析法的特点
1.因子变量的数量远少于原有的指标变量的数量，多音字变量的分析能减少分析中的计算工作量；
2.因子变量不是对原有变量的取舍，而是根据原始变量的信息进行重新组构，它能反映原有变量大部分的信息；
3.因子变量之间不存在线性相关关系，对变量的分析比较方便；
4.因子变量具有命名解释性，即该变量是对某些原始变量信息的综合反映。
SPSS中的因子分析步骤
基本原理：
针对变量作因子分析，称为R型因子分析；对样本做因子分析，称为Q型因子分析。
基本步骤：
步骤1：确认待分析的原始变量之间 是否存在较强的相关关系 。可采用计算 “相关系数矩阵”“巴特利特球度检验”“KMO检验” 等方法检验候选数据是否适合采用因子分析。
“分析”——“降维”——“因子分析”——“描述”
因子分析——变量间相关性
步骤2：构造因子变量将原有变量综合成少数几个因子是因子分析的核心内容。根据样本数求解 因子载荷阵， 因子载荷阵的求解方法：“基于主成分模型的 主成分分析法 ”“基于因子分析模型的 主轴因子法 ”“ 极大似然法 ”“ Alpha因子法 ”等。
“分析”——“降维”——“因子分析”——“抽取”
>need-to-insert-img
因子分析——因子载荷计算
步骤3：利用旋转方式使因子变量更具有解释性，将原有变量综合为少数几个因子后，如果因子的实际含义不清，则不利于后续分析。可通过 因子旋转的方式使一个变量只在尽可能少的因子上有比较高的载荷，使得提取出的因子具有更好的解释性 。
KMO检验用于检查变量间的相关性和偏相关性，取值在0~1之间。KMO统计量越接近于1，变量间的相关性越强，偏相关性越弱，因子分析的效果越好。实际分析中，KMO统计量在0.7以上时效果比较好；当KMO统计量在0.5以下，此时不适合应用因子分析法，应考虑重新设计变量结构或者采用其他统计分析方法。
如果变量间彼此独立，则无法从中提取公因子，也就无法应用因子分析法。Bartlett球形检验判断如果相关阵是单位阵，则各变量独立因子分析法无效。由SPSS检验结果显示Sig.<0.05（即p值<0.05）时，说明各变量间具有相关性，因子分析有效。
“分析”——“降维”——“因子分析”——“旋转”
因子分析—旋转
步骤4：计算 因子变量得分 。当因子确定后，便可计算各因子在每个样本的具体数值。以后的分析中就可以利用因子得分对样本进行分类或评价等研究，进而实现了降维和简化问题的目标。
“分析”——“降维”——“因子分析”——“得分”
>need-to-insert-img
因子分析—得分
分享一个网址，这上面讲的不错： SPSS在因子分析中的应用
因子分析适用条件：
（1）样本量不能太小，至少为变量数的5倍。
（2）各变量间应该具有相关性，如彼此独立，则无法提取公因子。 通过Bartlett球形检验来判断 。
（3）KMO检验：用于考察变量间的偏相关性，取值0~1之间; KMO统计量越接近1，变量间的偏相关性越强，因子分析效果越好。一般统计量在0.7以上为适应做因子分析。＜0.5则不适宜做因子分析。
（4）因子分析中各公因子 应该具有实际意义 。
案列：对各省经济数据的进一步分析
在“描述”对话框中，选中“相关系数”选项组中的“KMO和Bartlett的球形度检验”复选框；在“抽取”对话框中，选中“输出”形式组中的“碎石图”复选框。
>need-to-insert-img
因子分析的相关性检验
>need-to-insert-img
碎石图
结果：
表1：KMO和巴特利特检验
>need-to-insert-img
可以看出 显著性＜0.05，拒绝各变量独立的假设，认为变量间具有较强的相关性 。
表2：公因子方差
>need-to-insert-img
表示各变量中所含原始信息能被提取的公因子所表示的程度，即变量信息被提取的占比。
表3：总方差解释
>need-to-insert-img
>need-to-insert-img
碎石图
碎石图用于显示各因子的重要程度，横坐标是因子序号，纵轴表示特征根大小。坡度越斗，对应的特征根越大，作用越明显。一般选取特征根大于1的作为因子。
表4：成分矩阵表
>need-to-insert-img
为标化后的变量。
但上诉3个成分因子不能够很好的解释，成分因子的意义不明显，因而需要多因子进行旋转。
因子旋转
>need-to-insert-img
旋转
“旋转”对话框用来实现因子旋转功能，以便更好的解释提取的因子。
最常用的是：“方差最大正交旋转”，使各因子仍然保持正交的状态，但各因子的方差差异达到最大，即相对载荷平方和达到最大。
>need-to-insert-img
经“旋转”后，得到旋转成分矩阵。可以看出，第一公因子在GDP，工业总产值，固定资产投资，货物周转量有较大载荷系数，可定义为“总量因子”。第二公因子在职工平均工资和居民消费水平载荷系数较大，定义为“消费因子”；第三个公因子则在“居民消费价格指数”，商品价格指数上载荷系数较大，定义为“价格因子”。
因子的表达式
旋转成分矩阵中，因子结构表达式可以将各变量表示为公因子的线性形式。但我们需要 公因子表达为各变量的线性形式。 也称为 得分因子函数。 最常用的估计法为“ 回归法 ”。在“得分”复选框组中。
>need-to-insert-img
结果：
>need-to-insert-img
举例因子1的表达式：
SPSS在“保存为变量”的复选框中，会自动计算出各因子得分值为新变量。
保存公因子得分进行综合评价
3个因子分别从不同方面反映当地经济发展状况的总体水平，单独使用某一公因子很难做出综合评价，因此考虑按各公因子对应的方差贡献率比例为权数计算综合得分情况。
>need-to-insert-img
按照公式：
>need-to-insert-img
从而能计算出各地区的综合得分情况。并给出合理的解释。
绛旓細鍥犲瓙鍒嗘瀽鏄爺绌朵粠 鍙橀噺缇 涓彁鍙 鍏辨у洜瀛 鐨勭粺璁℃妧鏈锛屾槸灏嗙幇瀹炵敓娲讳腑澶氱鐩稿叧鍜岄噸鍙犵殑淇℃伅杩涜鍚堜綔鍜岀患鍚堬紝灏 鍘熷鐨勫涓彉閲忓拰鎸囨爣 鍙樻垚杈冨皯鐨勫嚑涓 缁煎悎鍙橀噺 鍜 缁煎悎鎸囨爣 鐨勪竴绉嶅垎鏋愭柟娉曘傞氬父鏄夊嚭姣斿師濮嬪彉閲忎釜鏁板皯锛岃兘瑙ｉ噴鍘熸潵鍙橀噺鍜岀患鍚堟寚鏍囩殑涓绉嶅垎鏋愭柟娉曘傚洜瀛愬垎鏋愭硶鐨勭壒鐐 1.鍥犲瓙鍙橀噺鐨勬暟閲...
绛旓細鍥犲瓙鍒嗘瀽鏄竴绉嶇粺璁℃柟娉曪紝鏃ㄥ湪閫氳繃闄嶇淮澶勭悊澶氫釜鐩稿叧鎬ц緝楂樼殑鍙橀噺锛屼互鎻ず娼滃湪鐨勭粨鏋勫拰妯″紡銆傚叾涓昏鐩殑鏄湪闅句互鐩存帴娴嬮噺鐨勮瘎浠锋寚鏍囨垨鎶借薄姒傚康涓彂鐜板唴鍦ㄨ仈绯汇備緥濡傦紝鐮旂┒鍝佺墝鍗拌薄鐨勬瀯鎴愭垨鑰呮秷璐硅呮佸害鐨勬鎷傞傜敤鍦烘櫙鍖呮嫭蹇冪悊灏哄害鍙橀噺鐨勬帰绱佹蹇垫湁鏁堟ф楠屼互鍙婂噺灏戝叡绾挎у奖鍝嶇殑鍥炲綊鍒嗘瀽銆傝繘琛屽洜瀛愬垎鏋愬墠锛屾牱鏈...
绛旓細鍦SPSS鐨鈥鍥犲瓙鍒嗘瀽鈥濈晫闈紝棣栧厛鐐瑰嚮鈥滄彁鍙栤濓紝鍕鹃夆滅鐭冲浘鈥濋夐」锛屼互鍙鍖栫殑鏂瑰紡纭鏈浣冲洜瀛愭暟閲忋4. 鏃嬭浆绛栫暐鐨勯夋嫨 鎺ョ潃锛岃繘鍏モ滄棆杞濈幆鑺傦紝鏄庢櫤鍦伴夋嫨鈥滄渶澶ф柟宸硶鈥濓紝纭繚鎻愬彇鍑烘渶鍏疯В閲婂姏鐨勫洜瀛愮粍鍚堛5. 娣卞害鎸栨帢涓庤В璇 鍦ㄢ滃緱鍒嗏濋夐」涓紝鍕鹃夆滄樉绀哄洜瀛愬緱鍒嗙郴鏁扮煩闃碘濓紝浠ヤ究娣卞叆浜嗚В姣忎釜鍥...
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3銆佷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4銆 3銆佸洜瀛愬懡鍚嶃佹棆杞細鍦ㄥ洜瀛愯浇鑽风煩闃典腑锛屽琛屾儏鍐碉紝閬囧埌鍙橀噺涓庡涓洜瀛愭湁杈冨ぇ鐨勭浉鍏冲叧绯伙紝鍗冲彉閲忛渶瑕佸涓洜瀛愬叡鍚岃В閲婏紱澶氬垪鎯呭喌锛屼竴涓洜瀛愬彲浠ュ悓鏃惰В閲婂涓彉閲忋5銆佽鏄庝竴涓洜瀛愪笉鑳藉崟鐙唬琛ㄥ師鏈夌殑涓涓彉閲忥紝鍥...
绛旓細涓銆佹槑纭瓟妗 鍦SPSS涓杩涜鍥犲瓙鍒嗘瀽锛屽彲浠ラ氳繃浠ヤ笅姝ラ杩涜鎿嶄綔锛1. 鏁版嵁鍑嗗涓庡鍏ャ2. 閫夋嫨鍚堥傜殑鍒嗘瀽妯″潡銆3. 杩涜鍥犲瓙鏃嬭浆鍜屽懡鍚嶃4. 杈撳嚭缁撴灉瑙ｈ銆備簩銆佽缁嗚В閲 1. 鏁版嵁鍑嗗涓庡鍏 纭繚鏁版嵁鏍煎紡姝ｇ‘锛屾棤缂哄け鍊兼垨寮傚父鍊笺傚鏈夊繀瑕侊紝杩涜鏁版嵁娓呮礂鍜岄澶勭悊銆傚皢鏁版嵁瀵煎叆SPSS杞欢涓2. 閫夋嫨鍚堥傜殑...
绛旓細棣栧厛锛屽皢浣犵殑鏁版嵁瀵煎叆SPSS杞欢锛屽鍥1鎵绀猴紝杩欐槸鍩虹姝ラ銆傦紙鍥1锛夋帴鐫锛岀偣鍑烩滃垎鏋愨濊彍鍗曪紝閫夋嫨鈥滈檷缁粹濋夐」锛岀劧鍚庡崟鍑烩鍥犲瓙鍒嗘瀽鈥濋夐」锛屽鍥2鎵绀猴紝寮濮嬭繘鍏ュ垎鏋愰樁娈点傦紙鍥2锛夊湪鈥滃彉閲忊濋儴鍒嗭紝閫夋嫨浣犻渶瑕佽繘琛屽洜瀛愬垎鏋愮殑鍙橀噺锛岀‘淇濆畠浠凡缁忓鍏ュ苟鍑嗗灏辩华锛屽鍥3鎵绀恒傦紙鍥3锛夊湪璁剧疆閫夐」涓紝浣犲彲鑳介渶瑕...
绛旓細涓绘垚鍒鍒嗘瀽鏄璇曞浘鎵惧埌鍘熷鍙橀噺鐨勭嚎鎬х粍鍚. 姝ょ嚎鎬х粍鍚堢殑鏂瑰樊瓒婂ぇ锛岀粍鍚堝寘鍚殑淇℃伅瓒婂. 鎹㈠彞璇濊spss瑙嗛鏁欑▼ 鍥犲瓙鍒嗘瀽锛屼富鎴愬垎鍒嗘瀽灏辨槸鎵╁ぇ鍘熷鏁版嵁鐨勪富瑕佹垚鍒.鍥犲瓙鍒嗘瀽锛屽亣瀹氬師濮嬪彉閲忓悗闈㈡湁闅愯棌鐨勫洜绱. 璇ュ洜瀛愬彲浠ュ寘鎷竴涓垨澶氫釜鍘熷鍙橀噺. 鍥犲瓙鍒嗘瀽涓嶆槸鍘熷鍙橀噺鐨勭嚎鎬х粍鍚.锛堝府鍔╄В閲: 涓绘垚鍒嗗垎鏋愰檷浣庝簡...
绛旓細1銆侀鍏堟墦寮鑷繁闇瑕佽繘琛鍥犲瓙鍒嗘瀽鐨勬暟鎹紝鐐瑰嚮鈥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...
绛旓細浜屻佹搷浣滄楠 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光濊繘鍏モ滃彉閲忊濆垪琛ㄦ銆3銆侀夋嫨杈撳嚭绯绘暟鐩稿叧鐭╅樀銆 鍗曞嚮鈥滃洜瀛愬垎鏋愨濆璇濇涓殑鈥滄弿杩扳濇寜閽,...
