因子分析在SPSS中的应用

因子分析在SPSS中的应用

根据指标体系求得分做评价模型，因子分析是个不错的选择，因子分析以最少的信息丢失为前提，将众多的原有变量综合成较少的几个综合指标（降维），而且这几个综合指标不相关，可解决线性回归中多重共线性问题。下面介绍因子分析基本步骤，如何使用SPSS进行因子分析

一、因子分析基本步骤

1.因子分析适用检验

使用因子分析，需要原有变量之间有较强的相关关系，判断是否相关有两种方法：

• 可以采用相关系数矩阵来判断
• 巴特利特球度检验
  原假设H0为相关系数矩阵为单位矩阵，若拒绝原假设，认为相关系数矩阵不太可能为单位矩阵，原有变量适合做因子分析
• KMO检验
  KMO统计量取值在0~1之间，KMO值越接近于1，意味着变量间的相关性越强，原变量越适合做因子分析（一般>0.6可认为可做因子分析）

2.提取公共因子

在处理输出前，需对数据进行标准化，利用主成分法估计因子载荷矩阵，并选择合适方法对因子载荷矩阵进行旋转（一般为方差最大法），根据总方差解释累计贡献度大小（一般保持在85%左右），确定所要提取公共因子的个数

3.计算各因子和综合得分

根据得出的因子得分系数矩阵，可以算出各公共因子的得分；最后可根据各公共因子对应特征值方差贡献百分比作为权重，计算总的综合评分

二.SPSS操作

1.操作

导入数据后，选择菜单【分析】–>【降维】–>【因子】

将各个指标数据添加到变量框中

点击【描述】，可根据自己需求点击相应选项，但以下要记得点上噢，检验要用

点击继续后，点击【提取】选项，选择如下

点击继续，选择【旋转】，设置选项点击【最大方差法】与【载荷图】

继续后，点击【得分】

最后，设置点击【选项】

最后点击确定，得出分析结果

三、结果分析

1.因子检验结果

KMO值>0.7，且巴特利特球形度检验在1%显著水平下通过检验，说明可以使用因子分析

2.提取公共因子结果

通过总方差分析表，可以提取出2个公共因子，可以解释方差比例累计达到75.34%

3.成分矩阵与旋转后的成分矩阵

成分矩阵表示为未使用旋转方法时使用因子能解释各个变量的比例（也可以理解为各变量信息被主成分提取了多少）；旋转后的成分矩阵即为利用最大方差法旋转后的成分矩阵，可利用该矩阵提取变量成分多少给公共因子命名

4.成分得分系数矩阵

可根据成分得分系数矩阵计算公共因子1、2的综合得分；如果要计算最后的综合得分，可根据公共因子1、2所占的方差贡献比作为权重，进行加权计算；
详细的过程，以案例形式进行整理，如有需要，可进行下载
https://download.csdn.net/download/weixin_47570444/88407497