SPSS中因子分析的步骤是怎样的

1. SPSS中因子分析的步骤是怎样的

因子分析
1输入数据。
2点Analyze 下拉菜单，选Data Reduction 下的Factor 。
3打开Factor Analysis后,将数据变量逐个选中进入Variables 对话框中。
4单击主对话框中的Descriptive按扭，打开Factor Analysis: Descriptives子对话框，在Statistics栏中选择Univariate Descriptives项要求输出个变量的均值与标准差，在Correlation Matrix 栏内选择Coefficients项，要求计算相关系数矩阵，单击Continue按钮返回Factor Analysis主对话框。
5单击主对话框中的Extraction 按钮，打开如下图所示的Factor Analysis: Extraction 子对话框。在Method列表中选择默认因子抽取方法——Principal Components，在Analyze 栏中选择默认的Correlation Matrix 项要求从相关系数矩阵出发求解主成分，在Exact 栏中选择Number of Factors;6， 要求显示所有主成分的得分和所能解释的方差。单击Continue按钮返回Factor Analysis主对话框。
6单击主对话框中的OK 按钮，输出结果。
统计专业研究生工作室原创，请勿复杂粘贴

2. spss怎么分析因子？spss因子分析法详细步骤

  　　spss不仅可以分析主成分     ，还可以分析因子哦，但是很多朋友不知道spss怎么分析因子？我下面有一个spss因子分析法详细步骤哦，只要大家按照spss因子分析法详细步骤一步步操作就知道spss怎么分析因子了哦，下面就和我一起来看看吧！  
    　　spss因子分析法详细步骤：    
   　　1、录入数据,把数据导入SPSS软件中。 
   　　2、单击“分析(A)”,选择“降维”,点击“因子分析”。 
   　　3、将需要的分析变量导入放到“变量”中。 
   　　4、可以选择“描述”,“抽取”,“旋转”,“得分”中的统计量等,选择需要得到的分析对象。 
   　　4、数据结果解释。 

3. 【SPSS教程】因子分析是什么？如何操作？

因子分析定义是什么？因子分析法的特点有哪些？ SPSS中因子分析的步骤 是怎么样的？
  
 
  
  
  因子分析定义 
  
 因子分析是研究从 变量群 中提取 共性因子 的统计技术，是将现实生活中多种相关和重叠的信息进行合作和综合，将 原始的多个变量和指标 变成较少的几个 综合变量 和 综合指标 的一种分析方法。通常是选出比原始变量个数少，能解释原来变量和综合指标的一种分析方法。
  
 
  
                                          
 
  
  
  因子分析法的特点 
  
 
  
  
 1.因子变量的数量远少于原有的指标变量的数量，多音字变量的分析能减少分析中的计算工作量；
  
 2.因子变量不是对原有变量的取舍，而是根据原始变量的信息进行重新组构，它能反映原有变量大部分的信息；
  
 3.因子变量之间不存在线性相关关系，对变量的分析比较方便；
  
 4.因子变量具有命名解释性，即该变量是对某些原始变量信息的综合反映。
  
 
  
  
  SPSS中的因子分析步骤 
  
 基本原理：
  
 针对变量作因子分析，称为R型因子分析；对样本做因子分析，称为Q型因子分析。
  
 基本步骤：
  
 步骤1：确认待分析的原始变量之间 是否存在较强的相关关系 。可采用计算 “相关系数矩阵”“巴特利特球度检验”“KMO检验” 等方法检验候选数据是否适合采用因子分析。
  
 “分析”——“降维”——“因子分析”——“描述”
  
 因子分析——变量间相关性
  
 步骤2：构造因子变量将原有变量综合成少数几个因子是因子分析的核心内容。根据样本数求解 因子载荷阵， 因子载荷阵的求解方法：“基于主成分模型的 主成分分析法 ”“基于因子分析模型的 主轴因子法 ”“ 极大似然法 ”“ Alpha因子法 ”等。
  
 “分析”——“降维”——“因子分析”——“抽取”
  
 >need-to-insert-img
  
 因子分析——因子载荷计算
  
 步骤3：利用旋转方式使因子变量更具有解释性，将原有变量综合为少数几个因子后，如果因子的实际含义不清，则不利于后续分析。可通过 因子旋转的方式使一个变量只在尽可能少的因子上有比较高的载荷，使得提取出的因子具有更好的解释性 。
  
 KMO检验用于检查变量间的相关性和偏相关性，取值在0~1之间。KMO统计量越接近于1，变量间的相关性越强，偏相关性越弱，因子分析的效果越好。实际分析中，KMO统计量在0.7以上时效果比较好；当KMO统计量在0.5以下，此时不适合应用因子分析法，应考虑重新设计变量结构或者采用其他统计分析方法。
  
 如果变量间彼此独立，则无法从中提取公因子，也就无法应用因子分析法。Bartlett球形检验判断如果相关阵是单位阵，则各变量独立因子分析法无效。由SPSS检验结果显示Sig.<0.05（即p值<0.05）时，说明各变量间具有相关性，因子分析有效。
  
 “分析”——“降维”——“因子分析”——“旋转”
  
 因子分析—旋转
  
 步骤4：计算 因子变量得分 。当因子确定后，便可计算各因子在每个样本的具体数值。以后的分析中就可以利用因子得分对样本进行分类或评价等研究，进而实现了降维和简化问题的目标。
  
 “分析”——“降维”——“因子分析”——“得分”
  
 >need-to-insert-img
  
 因子分析—得分
  
 分享一个网址，这上面讲的不错： SPSS在因子分析中的应用 
  
 因子分析适用条件：
  
 （1）样本量不能太小，至少为变量数的5倍。
  
 （2）各变量间应该具有相关性，如彼此独立，则无法提取公因子。 通过Bartlett球形检验来判断 。
  
 （3）KMO检验：用于考察变量间的偏相关性，取值0~1之间; KMO统计量越接近1，变量间的偏相关性越强，因子分析效果越好。一般统计量在0.7以上为适应做因子分析。＜0.5则不适宜做因子分析。 
  
 （4）因子分析中各公因子 应该具有实际意义 。
  
 案列：对各省经济数据的进一步分析
  
 在“描述”对话框中，选中“相关系数”选项组中的“KMO和Bartlett的球形度检验”复选框；在“抽取”对话框中，选中“输出”形式组中的“碎石图”复选框。
  
 >need-to-insert-img
  
 因子分析的相关性检验
  
 >need-to-insert-img
  
 碎石图
  
 结果：
  
 表1：KMO和巴特利特检验
  
 >need-to-insert-img
  
 可以看出 显著性＜0.05，拒绝各变量独立的假设，认为变量间具有较强的相关性 。
  
 表2：公因子方差
  
 >need-to-insert-img
  
 表示各变量中所含原始信息能被提取的公因子所表示的程度，即变量信息被提取的占比。
  
 表3：总方差解释
  
 >need-to-insert-img
  
 >need-to-insert-img
  
 碎石图
  
 碎石图用于显示各因子的重要程度，横坐标是因子序号，纵轴表示特征根大小。坡度越斗，对应的特征根越大，作用越明显。一般选取特征根大于1的作为因子。
  
 表4：成分矩阵表
  
 >need-to-insert-img
  
  为标化后的变量。
  
 但上诉3个成分因子不能够很好的解释，成分因子的意义不明显，因而需要多因子进行旋转。
  
 因子旋转
  
 >need-to-insert-img
  
 旋转
  
 “旋转”对话框用来实现因子旋转功能，以便更好的解释提取的因子。
  
 最常用的是：“方差最大正交旋转”，使各因子仍然保持正交的状态，但各因子的方差差异达到最大，即相对载荷平方和达到最大。
  
 >need-to-insert-img
  
 经“旋转”后，得到旋转成分矩阵。可以看出，第一公因子在GDP，工业总产值，固定资产投资，货物周转量有较大载荷系数，可定义为“总量因子”。第二公因子在职工平均工资和居民消费水平载荷系数较大，定义为“消费因子”；第三个公因子则在“居民消费价格指数”，商品价格指数上载荷系数较大，定义为“价格因子”。
  
 因子的表达式
  
 旋转成分矩阵中，因子结构表达式可以将各变量表示为公因子的线性形式。但我们需要 公因子表达为各变量的线性形式。 也称为 得分因子函数。 最常用的估计法为“ 回归法 ”。在“得分”复选框组中。
  
 >need-to-insert-img
  
 结果：
  
 >need-to-insert-img
  
 举例因子1的表达式： 
  
 SPSS在“保存为变量”的复选框中，会自动计算出各因子得分值为新变量。
  
 保存公因子得分进行综合评价
  
 3个因子分别从不同方面反映当地经济发展状况的总体水平，单独使用某一公因子很难做出综合评价，因此考虑按各公因子对应的方差贡献率比例为权数计算综合得分情况。
  
 >need-to-insert-img
  
 按照公式：
  
 >need-to-insert-img
  
 从而能计算出各地区的综合得分情况。并给出合理的解释。

4. 如何用SPSS来做因子分析

5. spss因子分析怎么用

6. spss中的因子分析要怎么做。

(1)首先将数据标准化，这是考虑到不同数据间的量纲不一致，因而必须要无量纲化。
(2)对标准化后的数据进行因子分析(主成分方法)，使用方差最大化旋转。
(3)写出主因子得分和每个主因子的方程贡献率。 Fj =β1j*X1 +β2j*X2 +β3j*X3 + ……+ βnj*Xn ; Fj 为主成分(j=1、2、……、m)，X1、X2 、X3 、……、Xn 为各个指标，β1j、β2j、β3j、……、βnj为各指标在主成分Fj 中的系数得分，用ej表示Fj的方程贡献率。
(4)求出指标权重。 ωi=[(m∑j)βij*ej]/[(n∑i)(m∑j)βij*ej]，ωi就是指标Xi的权重。

扩展资料

产品特点


1、操作简便
界面非常友好，除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。
2、编程方便
具有第四代语言的特点，告诉系统要做什么，无需告诉怎样做。只要了解统计分析的原理，无需通晓统计方法的各种算法，即可得到需要的统计分析结果。
对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。
3、功能强大
具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。

参考资料来源：百度百科-spss

7. 怎么在SPSS中做因子分析

8. 因子分析spss步骤

步骤如下：
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。