统计分析中的因子分析(factors),如何确定因子的个数 统计分析中的因子分析(factors),如何确定因子的个数?
\u7edf\u8ba1\u5206\u6790\u4e2d\u7684\u56e0\u5b50\u5206\u6790(factors),\u5982\u4f55\u786e\u5b9a\u56e0\u5b50\u7684\u4e2a\u6570\uff1f\u56e0\u5b50\u5206\u6790\u4e2d\u56e0\u5b50\u6570\u76ee\u7684\u5224\u5b9a\uff1a
\u9664\u4e86\u7ecf\u9a8c\u5224\u65ad\u5916\uff0c\u7279\u5f81\u503c\u6cd5\u662f\u9009\u7528\u8f83\u591a\u7684\u5224\u65ad\u65b9\u6cd5\u3002\u56e0\u5b50\u5bf9\u5e94\u7684\u7279\u5f81\u503c\u5c31\u662f\u56e0\u5b50\u6240\u80fd\u89e3\u91ca\u7684\u65b9\u5dee\u5927\u5c0f\uff0c\u800c\u7531\u4e8e\u6807\u51c6\u5316\u53d8\u91cf\u7684\u65b9\u5dee\u4e3a1\uff0c\u56e0\u6b64\u7279\u5f81\u503c\u6cd5\u8981\u6c42\u4fdd\u7559\u56e0\u5b50\u7279\u5f81\u503c\u5927\u4e8e1\u7684\u90a3\u4e9b\u56e0\u5b50\u3002\u8fd9\u610f\u5473\u7740\u8981\u6c42\u6240\u4fdd\u7559\u7684\u56e0\u5b50\u81f3\u5c11\u80fd\u591f\u89e3\u91ca\u4e00\u4e2a\u53d8\u91cf\u7684\u65b9\u5dee\u3002\u9700\u8981\u6ce8\u610f\u7684\u662f\uff0c\u5982\u679c\u53d8\u91cf\u7684\u6570\u76ee\u5c11\u4e8e20\uff0c\u8be5\u65b9\u6cd5\u901a\u5e38\u4f1a\u7ed9\u51fa\u4e00\u4e2a\u6bd4\u8f83\u4fdd\u5b88\u7684\u56e0\u5b50\u6570\u76ee\u3002\u6b64\u5916\uff0c\u57fa\u4e8e\u6240\u4fdd\u7559\u7684\u56e0\u5b50\u80fd\u591f\u89e3\u91ca\u7684\u65b9\u5dee\u6bd4\u4f8b\u7684\u65b9\u6cd5\u4e5f\u5e38\u5e38\u4f7f\u7528\u3002\u4e00\u822c\u800c\u8a00\uff0c\u6240\u4fdd\u7559\u7684\u516c\u56e0\u5b50\u81f3\u5c11\u5e94\u8be5\u80fd\u591f\u89e3\u91ca\u6240\u6709\u53d8\u91cf60%\u7684\u65b9\u5dee\u3002\u56e0\u5b50\u788e\u77f3\u56fe\uff08scree
plot\uff09\u63d0\u4f9b\u4e86\u56e0\u5b50\u6570\u76ee\u548c\u7279\u5f81\u503c\u5927\u5c0f\u7684\u56fe\u5f62\u8868\u793a\u3002\u53ef\u4ee5\u7528\u4e8e\u76f4\u89c2\u7684\u5224\u5b9a\u56e0\u5b50\u6570\u76ee\u3002\u534a\u5206\u6cd5\u53ca\u7edf\u8ba1\u68c0\u9a8c\u6cd5\u4e5f\u662f\u786e\u5b9a\u56e0\u5b50\u6570\u76ee\u7684\u65b9\u6cd5\uff0c\u4f46\u5e76\u4e0d\u5e38\u7528\u3002
\u62d3\u5c55\uff1a\u5173\u4e8e\u201c\u56e0\u5b50\u5206\u6790\u201d
\u56e0\u5b50\u5206\u6790\u7684\u8fc7\u7a0b\u5305\u62ec\u5b9a\u4e49\u4e00\u4e2a\u56e0\u5b50\u5206\u6790\u7684\u95ee\u9898\u5e76\u786e\u5b9a\u5b9e\u65bd\u56e0\u5b50\u5206\u6790\u7684\u53d8\u91cf\u3002\u5e94\u7528\u7edf\u8ba1\u5206\u6790\u65b9\u6cd5\u7684\u5173\u952e\u5f80\u5f80\u5e76\u4e0d\u5728\u4e8e\u65b9\u6cd5\u672c\u8eab\uff0c\u800c\u5728\u4e8e\u5bf9\u5408\u9002\u7684\u95ee\u9898\u9009\u62e9\u5408\u9002\u7684\u65b9\u6cd5\u3002\u56e0\u5b50\u5206\u6790\u9002\u7528\u7684\u573a\u5408\u5f80\u5f80\u662f\u4e00\u4e9b\u591a\u53d8\u91cf\u5927\u6837\u672c\u7684\u60c5\u5f62\uff0c\u7814\u7a76\u8005\u7684\u76ee\u7684\u5219\u5728\u4e8e\u5bfb\u6c42\u8fd9\u4e9b\u5177\u6709\u5185\u5728\u76f8\u5173\u6027\u7684\u53d8\u91cf\u80cc\u540e\u7684\u4e00\u79cd\u57fa\u672c\u7ed3\u6784\u3002\u5305\u542b\u5728\u56e0\u5b50\u5206\u6790\u4e2d\u7684\u53d8\u91cf\u5e94\u5f53\u4f9d\u636e\u8fc7\u53bb\u7684\u7ecf\u9a8c\u3001\u7406\u8bba\u6216\u8005\u7814\u7a76\u8005\u81ea\u5df1\u7684\u5224\u65ad\u800c\u88ab\u9009\u62e9\u3002\u4f46\u975e\u5e38\u91cd\u8981\u7684\u4e00\u70b9\u662f\uff0c\u8fd9\u4e9b\u53d8\u91cf\u5fc5\u987b\u5177\u5907\u533a\u95f4\u6216\u8005\u6bd4\u7387\u6d4b\u5ea6\u7b49\u7ea7\u3002\u5728\u6837\u672c\u5927\u5c0f\u65b9\u9762\uff0c\u7c97\u7565\u800c\u8a00\uff0c\u8fdb\u884c\u56e0\u5b50\u5206\u6790\u7684\u6837\u672c\u5bb9\u91cf\u81f3\u5c11\u5e94\u662f\u56e0\u5b50\u5206\u6790\u6240\u6d89\u53ca\u53d8\u91cf\u6570\u76ee\u76844\u20145\u500d\u3002
\u6839\u636e\u516c\u5f0f\u6765\u7684\u3002Eigenvalues \u8ddd\u79bb\uff0c\u6216\u8005 \u56e0\u5b50\u8d21\u732e\u3002 \u53ef\u4ee5\u770b\u770bReviewing the Results of a Principal Components Analysis \u548cEigenvalues and the Number-of- Factors Problem.
因子分析中因子数目的判定：
除了经验判断外，特征值法是选用较多的判断方法。因子对应的特征值就是因子所能解释的方差大小，而由于标准化变量的方差为1，因此特征值法要求保留因子特征值大于1的那些因子。这意味着要求所保留的因子至少能够解释一个变量的方差。需要注意的是，如果变量的数目少于20，该方法通常会给出一个比较保守的因子数目。此外，基于所保留的因子能够解释的方差比例的方法也常常使用。一般而言，所保留的公因子至少应该能够解释所有变量60%的方差。因子碎石图（scree
plot）提供了因子数目和特征值大小的图形表示。可以用于直观的判定因子数目。半分法及统计检验法也是确定因子数目的方法，但并不常用。拓展：关于“因子分析”
因子分析的过程包括定义一个因子分析的问题并确定实施因子分析的变量。应用统计分析方法的关键往往并不在于方法本身，而在于对合适的问题选择合适的方法。因子分析适用的场合往往是一些多变量大样本的情形，研究者的目的则在于寻求这些具有内在相关性的变量背后的一种基本结构。包含在因子分析中的变量应当依据过去的经验、理论或者研究者自己的判断而被选择。但非常重要的一点是，这些变量必须具备区间或者比率测度等级。在样本大小方面，粗略而言，进行因子分析的样本容量至少应是因子分析所涉及变量数目的4—5倍。
如果使用SPSSAU软件会默认以特征根值大于1作为标准。
如果有预期维度，比如20个量表题项分成几个方面问题，则在分析前设置输出维度（因子）个数。
SPSSAU-因子
方差累计贡献率，碎石图，特征根，很多的
这个你刚问过了
这个可以自己设定的，在选项里面有
我替别人做这类的数据分析蛮多的
绛旓細闂涓锛氱敤spss 鍋鍥犲瓙鍒嗘瀽 鎻愬彇鍑烘潵鍥犲瓙 鍐嶅仛logistic鍥炲綊 SPSS鍥犲瓙鍒嗘瀽锛屽畠浼氳嚜鍔ㄧ敓鎴愪竴涓柊鐨勫彉閲忎腑鎻愬彇鐨勪富瑕佸彉閲忓洜瀛愮郴缁熷皢浣跨敤Fact_1 Fact_2鍏朵粬鍚嶇О锛屾洿鏀瑰悕绉扳滃枩娆㈠晩銆傚洜瀛愬垎鏋愭彁鍙栫殑鍙橀噺涓鑸笉鍏峰涓绘垚鍒嗗洖褰掑垎鏋愬彲鑳藉瓨鍦紝鎵浠ュ熀鏈笂涓嶆槸绠鍗曠殑绾挎у叧绯汇傚鍏缁熻锛屽缓绔嬪鍥犵礌妯″瀷锛岄噰鐢ㄤ富鎴愬垎鍒...
绛旓細涓绘垚鍒嗗垎鏋愭硶鏄氳繃鎭板綋鐨勬暟瀛﹀彉鎹,浣挎柊鍙橀噺鈥斺斾富鎴愬垎鎴愪负鍘熷彉閲忕殑绾挎х粍鍚,骞堕夊彇灏戞暟鍑犱釜鍦ㄥ彉宸讳俊鎭噺涓瘮渚嬭緝澶х殑涓绘垚鍒嗘潵鍒嗘瀽浜嬬墿鐨勪竴绉嶆柟娉曘備富鎴愬垎鍦ㄥ彉宸俊鎭噺涓殑姣斾緥瓒婂ぇ,瀹冨湪缁煎悎璇勪环涓殑浣滅敤灏辫秺澶с 鍥犲瓙鍒嗘瀽 鎺㈢储鎬у洜瀛愬垎鏋愭硶(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...
绛旓細鍥犲瓙鍒嗘瀽fa=factanal锛坸,n,score=''Barllet''锛夛紝鐒跺悗瀵瑰簲鐢ㄦ硶fa$score鏌ョ湅姣忎釜鏍锋湰鐨勫緱鍒嗭紝搴旂敤kmeans(fa$score,n)杩涜鑱氱被
绛旓細SPSS涓綔鍑鍥犲瓙鍒嗘瀽锛屼細鑷姩鐢熸垚鏂扮殑鍙橀噺锛屾彁鍙栧嚭鐨勪富鍙橀噺鍥犲瓙绯荤粺浼氱敤Fact_1銆丗act_2绛夊懡鍚嶏紝鏀逛笅鍚嶅瓧灏卞ソ浜嗗晩銆傚洜瀛愬垎鏋愭彁鍙栧嚭鐨勪富鎴愬垎鍙橀噺涓鑸笉鐢ㄥ洖褰掑垎鏋愶紝閭ｄ箞绠鍗曠殑绾挎у叧绯诲熀鏈笉澶彲鑳藉瓨鍦ㄣ傚鍏缁熻瀛︿腑锛屽鏋勫缓鍥犲瓙妯″瀷锛屾垨鑰呯敤涓绘垚鍒嗗垎鏋愩傝繖涓ょ鍒嗘瀽鏂规硶閮戒笌鍥炲綊鍒嗘瀽鐩稿樊鐢氳繙锛岃瘽鍒版涓烘锛...
绛旓細鐩存帴灏嗙敓鎴愮殑鍥犲瓙鍊间綔涓鸿嚜鍙橀噺杩涜鍥炲綊鍗冲彲锛佸鐢熸垚浜嗕竴涓fact1-1,鍏舵暟鎹憟鐜扮殑鍏卞悓鐗瑰緛鏄釜浜轰富涔夛紝鍒欏彲瑙嗕负鈥滀釜浜轰富涔夆濆彉閲忋鍥犲瓙鍒嗗瓙鐨勪綔鐢ㄤ箣涓灏辨槸闄嶇淮銆
绛旓細鎺㈢储鎬鍥犲瓙鍒嗘瀽甯镐笌鍙︿竴绉嶇被浼肩殑缁熻鍒嗘瀽杩囩▼鈥斺斾富鎴愬垎鍒嗘瀽鐩告贩娣嗐備絾鏄紝涓よ呬箣闂存湁鏄捐憲宸紓锛氬綋杩愮敤浜庡悓涓鏁版嵁鏃讹紝鎺㈢储鎬у洜瀛愬垎鏋愬拰涓绘垚鍒嗗垎鏋愪細缁欏嚭鏈夌偣涓嶅悓鐨勭粨鏋溿• 涓绘垚鍒嗗垎鏋愮殑鐩殑鏄鍑哄彲浠ヨ〃绀烘祴閲涓殑鐩稿澶х殑鏁扮殑鍙樺姩鎬х殑鎴愬垎鐨勪竴涓浉瀵瑰皬鐨勬暟銆傝繖涓鍒嗘瀽杩囩▼绉颁负鏁版嵁绾︾畝锛屽綋涓涓...
绛旓細鍦ㄥ仛鍥犲瓙鍒嗘瀽鏃讹紝灏嗘瘡涓洜瀛愬緱鍒嗕繚瀛樺埌鏁版嵁瑙嗗浘涓紝鐒跺悗鍐嶅仛鍥炲綊鍒嗘瀽锛岀洿鎺ュ皢涓変釜鍥犲瓙鍙橀噺浣滀负鑷彉閲忛夊叆灏卞彲浠ヤ簡銆
绛旓細瀵筁SD鍜孊onferroni鐨勮В閲婂涓嬶細•LSD. Uses t tests to perform all pairwise comparisons between group means. No adjustment is made to the error rate for multiple comparisons. Used for pairwise comparison. This test does not control the overall probability of rejecting the hypotheses...
绛旓細鍙兘鏄綘閫夊畾鐨勫洜瀛涓暟m澶皬浜嗭紝鎴戠殑鏄繖鏍
绛旓細poor level of logistics services industry, far behind market demand; enterprises low degree of specialization, the lack of professionals ; Level of service difficult to achieve high customer demand, and enterprises to provide the very function of a single, small-scale logistics system, t...
