spss因子分析综合评价公式_多元统计分析-因子分析

因子分析与主成分分析的思路类似,都是因为变量之间存在相关关系,进行降维处理。主成分分析会得到与原变量相同的成分个数,因子分析则是在一开始规定因子个数。因子分析应用常见广泛。

因子分析与回归分析不同,因子分析中的因子是一个比较抽象的概念,而回归因子有非常明确的实际意义;主成分分析分析与因子分析也有不同,主成分分析仅仅是变量变换,而因子分析需要构造因子模型。

主成分分析:原始变量的线性组合表示新的综合变量,即主成分;因子分析:潜在的假想变量和随机影响变量的线性组合表示原始变量。

概念:通过对变量之间关系的研究,找出能综合原来变量的少数因子,使得少数因子能顾反应原始变量的绝大部分信息。

v2-eb56d4dd89b7988bfdab7fded33a160e_b.jpg

因子分析步骤:

1.数据检验步骤:不是所有的数据适合做因子分析,就是看数据之中自变量相关性是否存在。第一种方法计算相关系数矩阵:如果矩阵中大部分的相关系数小于0.3, 那么这个数据就不适合做因子分析。第二种方法Bartlett球度检验:以计算相关系数矩阵为基础。如果相关系数是单位阵的话,各个变量是独立的,那么不适合做因子分析。第三种方法是KMO检验(Kaiser-Meyer-Olkin检验),用于检验变量中的偏相关性,计算公式是

v2-214a19bee57c5b2b2ed621fec9dbf704_b.png

R = [rij] is thecorrelation matrixand.是变量X1与其他变量Xj的简单相关系数。

U = [uij] is the partial covariance matrix.变量与其他变量在控制了剩余变量条件下的偏相关系数。

KMO的取值在0和1之间,接近1说明变量之间的偏相关系数越强,因子分析的结果就越好。一般来说,KMO在0.7以上时候使用因子分析方法,0.5以下就不使用。

一般要求样本的个数至少是变量的五倍以上,样本量最好大于100。

2. 因子提取

有主成分法/不加权最小平方法/加权最小平方法/最大似然/主轴因子法等方法。

因子数量的确定需要考虑两个因素:方差解释度大于80%,特征值大于1。

3. 因子命名和解释:

因子是进行接下来分析的变量,为了不让因子抽象,给每一个因子一个名字。命名是一个较为主观的事情。为了更好的给因子命名,因子旋转分为正交旋转和斜交旋转:帮助因子更方便命名。

4. 计算因子得分:

每个因子在每个样本上的具体取值。

f1=b11x1+b12x2+...+b1pxp

f2=b21x1+b22x2+...+b2pxp

...

fk=bk1x1+bk2x2+...+bkpxp

数学模型:

v2-8eecd80a5bc54f44ef8c66b13ab0a1e7_b.jpg
来自文库https://wenku.baidu.com/view/037a14ee9b89680203d825e9.html

建议阅读:

Kaiser-Meyer-Olkin (KMO) Test for Sampling Adequacy - Statistics How To​www.statisticshowto.com
v2-cbe19f057ab67479d16d221aad5ddbda_180x120.jpg
https://stats.idre.ucla.edu/spss/seminars/introduction-to-factor-analysis/a-practical-introduction-to-factor-analysis/​stats.idre.ucla.edu
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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