预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共29页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

第8讲SPSS的因子分析X1=a11f1+a12f2+…+a1kfk+u1 … Xp+ap1f1+ap2f2+…+apkfk+up 该模型的矩阵表示为X=AF+u 其中,A称为因子载荷矩阵。 变量xi的共通度(Communality):hi2=ai12+ai22+…aik2 反映全体因子对改变量的解释程度。如果大多数原有变量的共同度均较高(如80%以上),则说明提取的因子能反映原有变量的大部分信息。 因子fi的方差贡献: Sj2=a1j2+a2j2+…apj2 反映该因子对原有变量总方差的解释能 力,是衡量因子重要性的指标。 §8.2因子分析的基本内容5巴特利特球度检验(Bartletttestofsphericity) 零假设:相关系数矩阵是单位阵 KMO检验 统计量的取值在0~1间,KMO接近1,变量间相关性强,适合因子分析。Kaiser标准:KMO为0.9以上,非常适合;0.8,适合;0.7,一般;0.6,不太适合;0.5以下,极不适合。 二、因子提取和因子载荷矩阵的求解8三、因子命名发现: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。结论:因子变量的实际含义不清楚通过某种手段使: 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。 计算因子得分因子分析的基本步骤因子分析的基本步骤§8.2因子分析的基本操作及案例表8-1是原有变量的相关系数矩阵。可以看出,大部分的相关系数都较高,能够提取公共因子,适合进行因子分析。从表8-2可以看出,由于概率P小于显著性水平5%,所以根据巴特利特球度检验,应拒绝零假设,认为相关系数矩阵与单位矩阵有显著差异。同时,KMO值为0.882,根据Kaiser标准,可知原有变量适合做因子分析。步骤2:提取因子表8-3中,第一列数据是初始解下的共同度,表明如果提取7个因子,原有7个变量的共同度都为1。第二列数据是提取特征根大于1的因子时的共同度,由于联合经济单位和其他经济单位的信息损失较多,因此本次提取因子的总效果不理想。表8-4是提取两个因子时,原有7个变量的共同度。由表可知,此时因子分析的效果较好。由上面的碎石图可以看出,第1和第2个特征根的值较大,以后的值很小,因此可提取两个因子。21此课件下载可自行编辑修改,供参考! 感谢您的支持,我们努力做得更好!