薛薇第四版SPSS第十一章.ppt

《薛薇第四版SPSS第十一章.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第十一章SPSS的因子分析因子分析的提出为尽可能完整描述一个事物，往往要收集相关的许多指标多指标产生的问题：计算处理麻烦信息重叠从众多的指标中剔除一些指标会造成信息丢失因子分析的基本思想因子分析的基本出发点将原始指标综合成较少的指标，这些指标能够反映原始指标的绝大部分信息（方差）这些综合指标之间没有相关性因子变量的特点这些综合指标称为因子变量，是原变量的重造个数远远少于原变量个数，但可反映原变量的绝大部分方差不相关性可命名解释性因子分析的基本步骤确认待分析的原始变量是否适合作因子分析构造因子变量利用旋转方法使因子变量具有可解释性计算每个样本的因子变量得

2、分因子分析的数学模型数学模型（xi为标准化的原始变量；Fi为因子变量；k

3、元素的平方和可见：因子变量Fj的方差贡献体现了同一因子Fj对原始所有变量总方差的解释能力Sj/p表示了第j个因子解释原所有变量总方差的比例是否适合作因子分析计算原有变量的相关系数矩阵一般小于0.3就不适合作因子分析确定因子变量--主成份分析主成份分析法的数学模型该方程组要求：将原有的P个相关变量Xi作线性变换后转成另一组不相关的变量Yi确定因子变量--主成份分析系数uij依照两个原则来确定yi与yj(i≠j,i,j=1,2,3,…p)互不相关；y1是x1,x2,x3,…,xp的一切线性组合（系数满足上述方程组）中方差最大的；y2是与y1不相关的x1,x

4、2,x3,…,xp的一切线性组合中方差次大的；yP是与y1,y2,y3,…yp都不相关的x1,x2,x3,…,xp的一切线性组合中方差最小的；y1在总方差中所占比例最大，它综合原有变量的能力最强，其余变量在总方差中所占比例依次递减，即：其余变量综合原有变量的能力依次减弱。确定因子变量--主成份分析确定因子变量--主成份分析主成份分析的基本步骤：将原始数据标准化计算变量间简单相关系数矩阵R求R的特征值λ1≥λ2≥λ3≥…λp≥0及对应的单位特征向量μ1,μ2,μ3,…μp得到：yi=ui1x1+ui2x2+…+uipxp确定因子变量—计算因子载荷阵确定因

5、子变量个数确定k个因子变量根据特征值λi确定：取特征值大于1的特征根根据累计贡献率：一般累计贡献率应在70%以上。确定因子变量个数确定k个因子变量通过观察碎石图的方式确定因子变量的个数。因子变量的命名解释发现：aij的绝对值可能在某一行的许多列上都有较大的取值，或aij的绝对值可能在某一列的许多行上都有较大的取值。表明：某个原有变量xi可能同时与几个因子都有比较大的相关关系，也就是说，某个原有变量xi的信息需要由若干个因子变量来共同解释；同时，虽然一个因子变量可能能够解释许多变量的信息，但它却只能解释某个变量的一少部分信息，不是任何一个变量的典型代表。

6、结论：因子变量的实际含义不清楚因子变量的命名解释通过因子旋转使：每个变量在尽可能少的因子上又比较高的载荷，即：在理想状态下，让某个变量在某个因子上的载荷趋于1，而在其他因子上的载荷趋于0。这样：一个因子变量就能够成为某个变量的典型代表，它的实际含义也就清楚了。因子旋转的目的是通过改变坐标轴的位置，重新分配各个因子所解释的方差比例，使因子结构更简单。因子旋转不改变模型对数据的拟和程度，不改变每个变量的方差共同度因子变量的命名解释因子旋转方法因子正交旋转方法和斜交旋转方法方差最大法(正交旋转)：从简化因子载荷矩阵的每一列出发，使和每个因子有关的载荷平方的方

7、差最大当只有少数几个变量在某个因子上有较高的载荷时，对因子的解释是最简单的即使正交旋转也不一定使因子含义清晰斜交旋转：因子含义清楚，但允许因子之间相关理论上：斜交旋转优于正交旋转，但如果相关性过高则不可接收，因此正交旋转应用更广泛计算因子得分因子得分是因子变量构造的最终体现，应给出因子对应每个样本上的值。基本思想：是将因子表示为原有变量的线性组合，即通过因子得分函数计算因子得分第j个因子在第i个样本上的值表示为：某样本的因子得分可看作各观测变量值的加权平均，权数的大小表示了变量对因子的重要程度