因子分析怎么做?
因子分析(探索性因子分析)用于探索分析项(定量数据)应该分成几个因子(变量),比如20个量表题项应该分成几个方面较为合适;用户可自行设置因子个数,如果不设置,系统会以特征根值大于1作为判定标准设定因子个数。在“进阶方法”模块中选择“因子”方法，将分析项定量拖拽到右侧分析框内，点击“开始分析”即可。
补充说明：如果有预期想提取的因子个数，可以主动设置输出的因子个数勾选“因子得分”与“综合得分”会在左侧分析框生成新的变量，标题如CompScore*****（综合得分）、FactorScore*****（因子得分）。因子得分可用于进一步分析，比如聚类分析，回归分析使用等；综合得分可用于对比排名等。
因子个数：多数情况下，我们在分析时已经带着主观预期，希望题项如何归类，此时可以直接设置对应的因子个数。
进行结构效度的正式分析前，第一步需要通过KMO和巴特利特检验进行测量问卷量表进而决定是否适合进行因子分析，KMO值是用来判断所选取变量在因素分析中的可接受程度，考察变量之间相关关系。
一般进行因子分析需要kmo值大于0.6即可。处理之外还需要关注巴特利特检验。巴特利特检验原理上是检验各变量是否独立，确定因素的相关性，如果模型显著（对应的p值小于0.05）说明适合因子分析。
问题一：用SPSS已经做出了因子分析，那么具体的分析结果应该怎么看呢？ KMO检验统计量在0.7以上，说明变量之间的偏相关性较强，适合做因子分析，球形检验p小于0.001，说明变量之间存在相关性。第二格表格为共同性，表示各变量中所含原始信息能被提取的共同因子所表示的程度，根据你的数据，你提取的公因子是两个，第三个表格是指提取的俩个主成分能解福差异的比列，第四个表格是主成分表达式，第五表格是因子得分公式。
问题二：因子分析到底有什么用处？ 问题：大家觉得因子分析到底有什幺用处呢？把原来很多个影响因素归纳成几个影响因子，如果不继续做回归或者聚类的话，光做因子分析有价值吗？答复：因子分析是将多个实测变量转换为少数几个综合指标（或称潜变量），它反映一种降维的思想。通过降维将相关性高的变量聚在一起，从而减少需要分析的变量的数量，而减少问题分析的复杂性。在你对问题系统结构不了解时候，因子分析可以根据数据内在逻辑性，把它归并成几个公因子，每个公因子分别代表空间的一个维度，如果经过正交或斜 交旋转的话，各个维度之间可以认为是不相关的，这些公因子能够相对完整地刻画对象的体系维度，最起码累计方差贡献率大于85%的话，就基本能够保证重要信 息不丢失了。一句话，你如果对研究对象到底应该分为几个维度不清楚的话，用因子分析可以通过数据内在逻辑告诉你。但如果你对研究对象体系比较清楚的话，那你直接确定维度，通过AHP计算出权重，就能够把系统表述清楚了。但这里面有巨大问题，单纯通过数据内 在逻辑来判断维度，常常是错误的，而主观判断其实更加科学，并非象统计学宣称的，数据说话才有发言权。真正有发言权的，是你对问题的经验认识程度。人们为 了避免被人嘲笑主观判断的失误，而越来越选择了统计分析，实际上，他们并不清楚，单纯用统计分析来做判断，才是最愚蠢的。只有主客观结合起来，才是相对科 学的，两者矛盾的时候，应该深入研究矛盾的根源，搞不清楚的话，我认为指标体系评价法要远比统计分析准确的多。而变量之所以能分布在不同的因子内，则是由 于其方差波动性大小和变量之间的相关性决定的，波动性越大，越排在前面的公因子中，各个公因子之间的变量是不相关的，而每个公因子之间的变量是相关的。因 子分析认为那些数据波动大的变量对对象影响作用更大，它们排在公因子的前列，这样单纯从数据逻辑来判断的准则你认为对吗？我想，如果管理和社会科学都这幺 认为的话，那错误将大大增加了。上面想法是我这两年做课题的体会，没有在任何一本书上看过相关说法，也许说的不对，这是我个人看法。如果让我选择的话，我 宁愿用指标体系评价法，体系几个维度事先就清楚，最多先用因子分析算算，看看数据波动性如何，到底能确定几个维度，只起辅助作用。研究者就是专家，指标体 系的维度由主观来做判断，这主要来自经验判断，而不是由数据判断，我认为其实更科学。当然，如果你对问题一无所知，那指标体系评价法用AHP来做的话，错 误很可能更多。我以前就强烈批判过AHP。说到底，没有一种评价方法是好的，说明问题就好。问题：那能对LISREL进行类似于因子分析的探索性因素分析了解吗？能给点评价么？3x答复：下面是探索性分析的原理：传统上所谈的因素分析）factor *** ysis)指的是探索性因素分析）exploratory factor *** ysis)，它的目的是在承认有测量误差的情形下，尝试用少数的因素）factors)以解释许多变项间的相关关系。随着统计理论及电脑计算上的进展，目前因素分析的方法可分成探索性因素分析）exploratory factor *** ysis，EFA)及验证性因素分析）confirmatory factor *** ysis，CFA)，这两类分析之间的差别在于研究者对研究变项间因素结构的了解程度不同。如果研究者对资料内所含的因素性质，结构及个数不是很 清楚，则可使用探索性因素分析试图找出能解释资料变项间相关关系的少数几个重要因素。若研究者从过去文献中的理论及自己的研究经验，而对资料间因素之数 目，结构有一定程度的了解及假设，则可使用验证性因素分析来验证该假设是否能解......>>
问题三：进行因子分析的前提条件是各变量之间应该怎么做 本来想给你截图的，可是传不上来，我就简单说一下哈。
首先你得进行一次预计算，选择菜单里分析――降维――因子分析，跳出主面板，把想分析的变量选到变量框里，然后点确定。这时候输出窗口里会只有一个或两个图表。其中有一个图表是主成分的方差贡献。这个图表里你要找到两个相邻的列（应该是第三列和第四列），其中前一个列指的是单个因子对方差的贡献率，后一个是因子累计贡献率。也就是说前一个列里边数值相加等于100，后一个列里边数值递增，最后一个等于100。假如前一个列里是60,30,10，那么后一列里就是60,90,100.两个列之间有一个和的关系。找到这两个列以后，你要找使得累计贡献率达到百分之八十的那个数。这个表的第一列是1,2,3，等等，它代表第几个因子，比如3指的那行就包括第三个因子的方差贡献率，累积到第三个因子的方差贡献率这两个数据。你要找到累计到达百分之八十的那个因子是第几个因子，然后就按提取几个因子进行计算。
通过预计算知道了提取几个因子之后，就开始正式计算。再次打开因子分析的主面板，在最右边一共有五个选项，分别是描述，抽取，旋转，得分，选项。这五个在预计算里边没有用，但是现在要用了。点继续。
点击描述，在对话框里选上初始变量分析，kmo统计量及bartlett球形检验这两个选项，（注意，kmo和bartlett是一个选项，选项名就是很长）这一步是用来判断变量是否适于进行因子分析的。
点击抽取，对话框里最上边的方法就选主成分，分析里选上相关性矩阵，输出选上未旋转的因子解和碎石图两个选项，抽取里选择因子的固定数目，在要提取的因子后边填上你预计算里算出的因子数目。点继续。
旋转里边选最大方差法，输出旋转解。继续。
得分里边选保存为变量，方法为回归，显示因子得分系数矩阵也要打上勾。继续。
确定。
然后就可以分析结果了。
先看kmo和bartlett的结果，kmo统计量越接近1，变量相关性越强，因子分析效果越好。通常0.7以上为一般，0.5以下不能接受，就是不适合做因子分析。bartlett检验从检验相关矩阵出发，如果p值，就是sig，比较小的话，一般认为小于0.05，当然越小越好，就适于因子分析。
如果这两个检验都合格的话，才可以去写因子模型。
为了便于描述，假设我们有两个因子f1，f2，
旋转变换后的因子载荷矩阵会告诉你每个变量用因子表示的系数。比如变量x1=系数1*f1+系数2*f2，变量2以此类推。
因子得分系数矩阵会告诉你每个因子里各变量占得权重，比如f1=系数1*x1+系数2*x2+。。。
根据这个我们就能算出因子得分了。
因为之前选择了将因子保存为新变量，所以spss会直接保存两个因子得分为两个新变量，
然后我们不是有一个公式吗
总得分=因子1的方差贡献率*因子1的得分+因子2的方差贡献率*因子2的得分+...
根据这个公式计算一下就可以了。
用spss或者Excel都可以。
希望能对你有帮助哦。
ppv课，大数据培训专家，最专业的大数据培训平台。为你提供最好的spss学习教程哦。
问题四：excel2003如何做因子分析 都不知道你所说的因子是指的那个因子，数据管理因子还是什么的，提问清楚些。别人也比较容易理解！
问题五：怎样用SPSS做因子分析 在表因子变量解释贡献率（Total Variance Explained）中，看各个主因子的方差贡献率（Initial Eigenvalues栏下的% of Variance），例如图中三个主因子对应的权重为52.132、21.017、11.405，测将三个权重进行归一化处理，52.132/(52.132+21.017+11.405)、21.017/(52.132+21.017+11.405)、11.405/(52.132+21.017+11.405)，所得三个数即为主因子权重
问题六：怎样用spss做因子分析？ SPSS→分析→数据缩减→因子分析→选择自变量和因变量→描述里面选择KMO检验和球型检验；海转选择最大方差旋转法→确定→结果
问题七：如何利用因子分析的排名进行分析 你通过因子分析 中一个选项 保存因子得分,之后会在原数据最后保存生成3列因子得分,假设为a1 a2 a3 代表3个因子然后根据因子分析得出三个因子的特征根值,分别计算粗3个因子的权重,分别为各自的特征根值/三个因子特征根值之和. 然后综合因子得分=a1*对应权重+a2*对应权重+a3*对应权重之后就根据综合因子得分进行大小排名 就这样出来了
问题八：因子分析法需要哪些数据，用什么软件做 因子分析是用因子概括变量信息，所以首先自变量是什么?三年数据当然是一起录入，通过三年的变化来反映因变量的变化。
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傜涓姝:鍒ゆ柇鏄惁杩涜鍥犲瓙鍒嗘瀽,鍒ゆ柇鏍囧噯涓篕MO鍊煎ぇ浜0.6;绗簩姝:鍥犲瓙涓庨椤瑰搴斿叧绯诲垽鏂傚洜瀛愪笌棰橀」瀵瑰簲鍏崇郴鍒ゆ柇:鍋囪棰勬湡涓3涓洜瀛(鍙橀噺),鍒嗘瀽棰橀」涓10涓;鍥犲瓙涓庨椤逛氦鍙夊叡寰楀埌30涓暟...
绛旓細1銆侀鍏堟墦寮涓浠借杩涜鍥犲瓙鍒嗘瀽鐨勬暟鎹〃锛岀劧鍚庣偣鍑汇愬垎鏋-闄嶇淮-鍥犲瓙鍒嗘瀽銆戙2銆佺劧鍚庡皢鍙橀噺鍜岄夋嫨鍙橀噺鏀惧湪鐩稿簲鐨勫璇濇涓紝濡備笅鍥炬墍绀恒3銆佺劧鍚庨夋嫨鍙橀噺涓彲浠ヨ嚜瀹氫箟閫夋嫨鐨勫硷紝濡備笅鍥炬墍绀恒4銆佹帴鐫鎵撳紑鎻忚堪瀛愬璇濇锛屽嬀閫夈怟MO鍜宐artlett鐨勭悆褰㈠害妫楠屻戯紝濡備笅鍥炬墍绀恒5銆佺劧鍚庢墦寮鎶藉彇鐨勫瓙瀵硅瘽妗嗭紝鎺ョ潃...
绛旓細鍥犲瓙鍒嗘瀽杩囩▼鐨勬楠ゅ涓嬶細绗竴姝ワ細鏁版嵁妫楠銆傜敤浜庡洜瀛愬垎鏋愮殑鍙橀噺蹇呴』鏄浉鍏崇殑锛屼竴鑸浉鍏崇煩闃典腑澶ч儴鍒嗙浉鍏崇郴鏁板皬浜0.3锛屽氨涓嶉傚悎鍋氬洜瀛愬垎鏋愪簡銆傝繕鍙互浣跨敤宸寸壒鍒╃壒鐞冨舰妫楠岋紝KMO妫楠岀瓑銆傜浜屾锛氬洜瀛愭彁鍙栥傚父鐢ㄤ富鎴愬垎娉曟彁鍙栵紝鍏堝鏁版嵁杩涜鏍囧噯鍖栵紝鐒跺悗璁＄畻鍑虹浉鍏崇郴鏁扮煩闃靛強鍏剁壒寰佹牴鍜岀壒寰佸悜閲忥紝鏈鍚庡啀杩涜鍥犲瓙...
绛旓細鏃嬭浆璋冩暣 - 鍕鹃夆滄渶澶ф柟宸濆拰鈥滄棆杞悗鐨勮В鈥濓紝骞舵煡鐪嬧滆浇鑽峰浘鈥濄傛渶澶ф柟宸槸鍏抽敭锛屽惁鍒欏彲鑳藉奖鍝岾MO鐨勮绠椼傜‘淇濃滄渶澶ф柟宸濋夐」宸插惎鐢ㄣ傝绠楀洜瀛愬緱鍒 - 濡傛灉闇瑕侊紝閫夋嫨鈥滃緱鍒嗏濆苟淇濆瓨鍙橀噺锛岀敓鎴愨滃洜瀛愬緱鍒嗙郴鏁扮煩闃碘濄傚湪鈥滈夐」鈥濅腑锛岃缃滅姝㈡樉绀哄皬绯绘暟鈥濅互绠鍖栧悗缁垎鏋愩傛繁鍏ョ粨鏋滆В璇鍥犲瓙鍒嗘瀽鎻ず...
绛旓細鍥犲瓙鍒嗘瀽鎬庢牱鍋氾紵棣栧厛杩涜妫鏌ユ暟鎹槸鍚︽弧瓒冲洜瀛愬垎鏋愶紝KMO妫楠屾槸涓轰簡鐪嬫暟鎹槸鍚﹂傚悎杩涜鍥犲瓙鍒嗘瀽锛屽叾鍙栧艰寖鍥存槸0-1銆傚叿浣撳垝鍒嗗涓嬶細涓庢鍚屾椂锛屽埄鐢˙artlett妫楠屾槸涓轰簡鐪嬫暟鎹槸鍚︽潵鑷湇浠庡鍏冩鎬佸垎甯冪殑鎬讳綋銆傚鏋減<0.05鍒欓傚悎鍥犲瓙鍒嗘瀽銆傚鏋滀笉婊¤冻鏉′欢鍒欎笉杩涜鍒嗘瀽锛屽鏋滄弧瓒虫潯浠讹紝鍙互杩涗竴姝ュ垎鏋愶紝棣栧厛杩涜鍒嗘瀽...
绛旓細缁撴瀯鏂圭▼妯″瀷涓昏鐢ㄤ簬鐮旂┒澶氫釜娼滃彉閲忎箣闂寸殑褰卞搷鍏崇郴锛岃兘澶熷鐞嗗涓洜鍙橀噺锛屽悓鏃惰冭檻鍚鍥犲瓙涔嬮棿鐨勫叧绯汇傚鏋滆鍒嗘瀽锛屽彲浠ヤ娇鐢⊿PSSAU鍦ㄧ嚎瀹屾垚鍒嗘瀽锛屾搷浣滈潪甯哥畝鍗曪紝杈撳嚭鏍囧噯鏍煎紡缁撴灉鍜岀粨鏋勫浘锛岄拡瀵规瘡涓姝ュ垎鏋愯繕浼氭彁渚涙櫤鑳藉垎鏋愬缓璁傚垎鏋愮粨鏋 缁撴瀯鍥
绛旓細鍥犲瓙缁煎悎寰楀垎鍦ㄥ洜瀛愬緱鍒嗙殑鍚庣画杩愮敤涓緢鏄噸瑕併傛病鏈夊繀瑕佸湪Excel涓缓绔嬭绠楀叕寮忥紝spss鐨勫姛鑳藉緢寮哄ぇ锛屾搷浣滆鍥剧墖銆傝绠楀嚭鍚庯紝鍙竴鍐嶅缓绔嬩竴涓滄帓搴忊濆彉閲忥紝鎸夐檷搴忔柟娉曟潵鎺掑簭銆1銆佸缓绔嬭绠楀叕寮忥細閫氬父鏉冮噸鏄洜瀛愭棆杞悗鐨勬柟宸础鐚巼锛岀偣鍑昏浆鎹-璁＄畻鍙橀噺銆2銆佸湪璁＄畻鍙橀噺琛ㄩ噷杈撳叆鍏紡銆3銆佹帓搴忓彉閲忥細杩欐牱灏卞緢鏂逛究...
绛旓細1.棣栧厛鎵撳紑spss,鐒跺悗鍗曞嚮鍒嗘瀽鑿滃崟,鐒跺悗閫夋嫨闄嶇淮涓殑鍥犲瓙銆2.鎵撳紑鍥犲瓙鍒嗘瀽绐楀彛,灏咥C1銆丄C2銆丄C3銆丄C4鍜孉C5绉诲埌鍙橀噺妗嗕腑銆3.鐐瑰嚮鎻忚堪鎸夐挳,鎵撳紑瀵瑰簲鐨勭獥鍙,缁熻鍕鹃夊垵濮嬭В,鐩稿叧绯绘暟鐭╅樀鍕鹃夌郴鏁板拰KMO鍜屽反鐗瑰埄鐗圭悆褰㈠害妫楠屻4.鎺ョ潃鐐瑰嚮鎻愬彇鎸夐挳,鎵撳紑绐楀彛骞跺嬀閫夊垎鏋愮浉鍏虫х煩闃,鏄剧ず鍕鹃夋湭鏃嬭浆鍥犲瓙瑙ｅ拰纰庣煶...
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濡備綍杩涜鍥犲瓙鍒嗘瀽锛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***...
