目录
1 模型简介
2 因子分析与主成分分析的对比
例子:
要对原来的数据进行降维,十项得分被降维成四个方面,十五个方面降维成五个因子
3 原理
3.1 原理
3.2 假设
要进行因子分析,那就必须要解出来A这个矩阵,因此我们进行一些假设用来计算A矩阵
3.3 因子模型的性质
既然因子载荷不唯一,我们在实际应用时就可以用这点进行变换(因子旋转),使得新的因子具有更容易解释的意义,这就是为什么因子分析往往比主成分分析更容易解释。
3.4 因子载荷矩阵的统计意义
那么aij究竟是什么东西?
4 具体操作
4.1 参数估计
SPSS提供的七种方法:
选择容易解释的方法就可以
4.2 因子旋转
4.2.1 理论
接近于0或者1就方便解释了,举一个例子:
六个指标,物化生政史地,两个因子,理和文,那物化生那行里面文因子前面的系数就应该接近于0,理因子系数就应该接近于1,政史地那边同理(例子非常不严谨,只是用来简单理解)
4.2.2 方法
选择哪种方法没有严格规定,尽可能好解释就可以(常见的是最大方差)
4.3 因子得分
(论文中常用的是第三种)
5 SPSS操作步骤
5.1 第一次运行
概念解释:
第一次运行的结果一般作为参考,首先我们要确定的是原始数据是否适合进行因子分析,第一次运行之后的话可以这样说:
好,现在就要确定因子的数目了
5.2 第二次运行
注意碎石图只是一个参考,有时事先就已经知道了最后要确定的因子数,那碎石图意义就不大了
5.3 结果分析
5.3.1 共性方差
5.3.2 总方差解释表
5.3.3 成分矩阵
5.3.4 旋转后的因子载荷散点(组件)图
5.3.4 因子得分
尽管很多论文都把因子分析模型用到综合评价里了,但这是存在很大问题的,例如变量的类型,选择因子的方法,旋转等等因素都是很难说清楚的。