IBM SPSS Statistics教程—用因子分析进行成分提取

本文介绍了如何使用IBM SPSS Statistics进行因子分析,以减少研究指标数量并提高分析准确性。通过主成分分析法,从25个指标中提取了特征值大于1的5个主要成分。KMO检验系数值0.828表明因子分析结果实用。
摘要由CSDN通过智能技术生成

当我们的研究数据集指标过多,不利于我们进行后期的分析和研究时,我们就可以通过因子分析法,对指标成分进行提取,进而减少总体的指标数目,同时也能去除一些相关性较小的指标,提高算法的分析准确率。

IBM SPSS Statistic软件提供了因子分析工具,帮助我们进行成分提取,下面我们来看看如何实现。

一、操作步骤

我们准备了Q1到Q25这25个研究指标,其中指标都是有序的分类变量,符合因子分析的前提条件。首先我们在分析菜单中,选择降维中的因子工具,如图1。

图1:因子分析工具

图1:因子分析工具

我们将25个研究指标全部放入到右侧的“变量”栏中,然后点击“描述”按钮。

图2:放入变量栏

图2:放入变量栏

“描述”界面中,勾选上“初始解”、相关性矩阵中的“系数”、“再生”、“反映像”和“KMO和巴特利特球形度检验”。

图3:描述界面

图3

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值