spss因子分析详细步骤
因子分析详细步骤
KMO 和 Bartlett 的检验
使用因子分析进行信息浓缩研究，首先分析研究数据是否适合进行因子分析，从上表可以看出：KMO为0.876，大于0.6，满足因子分析的前提要求，意味着数据可用于因子分析研究。以及数据通过Bartlett 球形度检验(p<0.05)，说明研究数据适合进行因子分析。
2.方差解释率表格
主要用于判断提取多少个因子合适。以及每个因子的方差解释率和累计方差解释率情况。方差解释率越大说明因子包含原数据信息的越多。因子分析中，主要关注旋转后的数据部分。
从上表可知：累积方差解释率值为78.213%，说明提取出来的4个因子可以提取出总共11项中78.213%的信息量，而且四个因子的方差解释率（信息提取量）分别为：21.407%，21.277%，20.807%和14.723%。信息提取量分布较为均匀，综合说明本次因子分析结果良好。
补充说明：如果研究人员并没有预设维度。而选择默认选项，SPSSAU默认以特征根大于1作为标准。当然因子分析通常需要综合自己的专业知识综合判断，即使是特征根值小于1，也一样可以提取因子。
3.旋转后因子载荷系数表格
从上表可知：所有研究项对应的共同度值均高于0.4，意味着研究项和因子之间有着较强的关联性，因子可以有效的提取出信息。最终对浓缩出来的四个因子进行分别命名为：A，B，C和D维度。
4.碎石图
同时可结合碎石图辅助判断因子提取个数。当折线由陡峭突然变得平稳时，陡峭到平稳对应的因子个数即为参考提取因子个数。实际研究中更多以专业知识，结合因子与研究项对应关系情况，综合权衡判断得出因子个数。
补充说明：因子计算权重
6.成份得分系数矩阵
7.载荷图
载荷图用于展示各因子与载荷值关系情况，建议结合实际情况使用即可。
第一：如果提取1个成分（或因子）时，则无法展示载荷成分图；
第二：如果超过个成分（或因子）时，可自主切换查看对应的载荷图。
其中X轴Y轴可以更改如下：
8.线性组合系数及权重结果
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。
绛旓細楠岃瘉鎬鍥犲瓙鍒嗘瀽锛氱悊璁轰笌瀹炶返楠岃瘉鎬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」鐨勫搴斿叧绯荤鍚堥鏈熴傚畠鍦ㄧぞ浼氱瀛︾瓑棰嗗煙骞挎硾搴旂敤銆SPSS鎻愪緵浜璇︾粏鐨姝ラ鎸囧锛岀‘淇濈悊璁烘鏋朵笌瀹為檯鍒嗘瀽鐨勪竴鑷存с傛帰绱㈡т笌楠岃瘉鎬у尯鍒浜庡垵瀛﹁呮潵璇达紝鎺㈢储鎬т笌楠岃瘉鎬у洜瀛愬垎鏋愮殑鍖哄垎鑷冲叧閲嶈銆傛繁鍏ョ悊瑙ｈ繖涓よ呯殑宸紓锛屽皢鏈夊姪浜庝綘...
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1銆佹墦寮鐩稿叧鐣岄潰杈撳叆鏁版嵁瀵硅薄锛屽湪鍒嗘瀽閭ｉ噷閫夋嫨闄嶇淮涓殑鍥犲瓙鍒嗘瀽杩涘叆銆2銆佷笅涓姝ョ洿鎺ラ氳繃寮瑰嚭鐨勫璇濇纭畾鍏ㄩ儴鍙橀噺锛屽鏋滄病闂灏辩偣鍑婚夐」銆3銆佽繖涓椂鍊欐潵鍒颁竴涓柊鐨勭獥鍙ｏ紝鎸夌収鍥剧ず杩涜鍕鹃夊苟纭畾缁х画銆4銆佽繖鏍蜂竴鏉ョ瓑寰楀埌鐩稿簲鐨勭粨鏋滀互鍚庯紝鍗冲彲瀹炵幇鍏充簬spss鐨勬晥搴︽楠岀湅鍥犲瓙璐熻嵎閲忎簡銆
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鐨鍥犲瓙鍒嗘瀽鏂规硶鏉ョ‘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4銆佺偣鍑籵k灏卞彲浠ュ緱鍑轰綘涓绘垚鍒鍒嗘瀽鐨勭粨鏋滐紙鍖呮嫭绱璐＄尞鐜囩瓑锛夛紝spss涓笉鍙互鐩存帴姹傚嚭鍥犲瓙鐨勬潈閲嶏紝瑕佺敤鍒版潈閲嶈绠楀叕寮忋俿pss鍔熻兘锛氬湪10鐗堜互鍚庯紝SPSS鐨勬瘡涓柊澧炵増鏈兘浼氬鏁版嵁绠＄悊鍔熻兘浣滀竴浜涙敼杩涳紝浠ヤ娇鐢ㄦ埛鐨勪娇鐢ㄦ洿涓烘柟渚裤13鐗堜腑鐨勬敼杩涘彲鑳戒富瑕佹湁浠ヤ笅鍑犱釜鏂归潰锛1锛夎秴闀垮彉閲忓悕锛氬湪12鐗堜腑锛屽彉閲忓悕宸茬粡鏈澶...
绛旓細spss涓绘垚鍒嗗垎鏋愭硶璇︾粏姝ラ锛1銆佹墦寮SPSS杞欢锛屽鍏ユ暟鎹悗锛屼緷娆＄偣鍑诲垎鏋愶紝闄嶇淮锛鍥犲瓙鍒嗘瀽銆傚鍥1鎵绀猴細2銆佹墦寮鍥犲瓙鍒嗘瀽鐣岄潰涔嬪悗锛屾妸闇瑕佽繘琛屽垎鏋愮殑鍙橀噺鍏ㄩ儴閫夎繘鍙橀噺瀵硅瘽妗嗭紝鐒跺悗鐐瑰嚮鍙充笂瑙掔殑鎻忚堪銆傚鍥2鎵绀猴細3銆佸嬀閫夊師濮嬪垎鏋愮粨鏋溿並MO妫楠屽璇濇锛岀劧鍚庣偣鍑荤户缁傚鍥3鎵绀猴細4銆佺偣鍑绘娊鍙栵紝鏂规硶閲岄夋嫨涓绘垚鍒...
