SPSS因子分析案例

2021-01-21 SPSS統計訓練營

因子分析在各行各業的應用非常廣泛，尤其是科研論文中因子分析更是頻頻出現。

【一、概念】

探討具有相關關係的變量之間，是否存在不能直接觀察到的，但對可觀測變量的變化其支配作用的潛在因素的分析方法就是因子分析，也叫因素分析。通俗點：因子分析是尋找潛在的、起支配作用因子的方法。

【二、簡單實例】

現在有 12 個地區的 5 個經濟指標調查數據（總人口、學校校齡、總僱員、專業服務、中等房價），為對這 12 個地區進行綜合評價，請確定出這 12 個地區的綜合評價指標。

【三、解決方案】

1、spss因子分析

同一指標在不同地區是不同的，用單一某一個指標難以對12個地區進行準確的評價，單一指標智能反映地區的某一方面。所以，有必要確定綜合評價指標，便於對比。因子分析是一個不錯的選擇，5 個指標即為我們分析的對象，我們希望從這5個可觀測指標中尋找出潛在的因素，用這些具有綜合信息的因素對各地區進行評價。下圖是spss因子分析的操作界面，主要包括5方面的選項，變量區只能選擇數值型變量，分類型變量不能進入該模型。另外，spss軟體為了消除不同變量間量綱和數量級對結果的影響，在該過程中默認自動進行標準化處理，因此不需要對這些變量提前進行標準化處理。

2、描述統計選項卡

我們希望看到各變量的描述統計信息，要對比因子提取前後的方差變化，所以選定「單變量描述性」和「原始分析結果」；現在是基於相關矩陣提取因子，所以，選定相關矩陣的「係數和顯著性水平「，比較重要的還有 KMO 和球形檢驗，通過KMO值，我們可以初步判斷該數據集是否適合採用因子分析方法。比較糟糕的是，kmo結果有時並不會出現，這主要與變量個數和樣本量大小有關。

3、抽取選項卡

在該選項卡中設置如何提取因子，提取因子的方法有很多，最常用的就是主成分法。因為參與分析的變量測度單位不同，所以選擇「相關矩陣」，如果參與分析的變量測度單位相同，則考慮選用協方差矩陣。經常用到碎石圖對於判斷因子的個數很有幫助，一般都會選擇該項。關於特徵值，不想解釋太多，這和顯著性水平一樣，都是統計學的一個基本概念。一般spss默認只提取特徵值大於1的因子，但，我還可以通過自定義設置需要提取的因子個數。另外，收斂次數比較重要，可以從首次結果反饋的信息進行調整。

4、因子旋轉選項卡

因子分析要求對因子給予命名和解釋，對因子旋轉與否取決於因子的解釋。如果不經旋轉因子已經很好解釋，那麼沒有必要旋轉，否則，應該旋轉。這裡直接旋轉，便於解釋。至於旋轉就是坐標變換，使得因子係數向1 和 0 靠近，對公因子的命名和解釋更加容易。旋轉方法一般採用」最大方差法「即可，輸出旋轉後的因子矩陣和載荷圖，對於結果的解釋非常有幫助。

5、保存因子得分

要計算因子得分，就必須先寫出因子的表達式。而因子是不能直接觀察到的，是潛在的。但是可以通過可觀測到的變量獲得。前面說到，因子分析模型是原始變量為因子的線性組合，現在我們可以根據回歸的方法將模型倒過來，用原始變量也就是參與分析的變量來表示因子。從而得到因子得分。因子得分作為變量保存，對於以後深入分析很有用處。

【四、結果解釋】

1、驗證數據是否適合做因子分析

主要參考kmo結果，一般認為大於0.5，即可接受。同時還可以參考相關係數，一般認為分析變量的相關係數多數大於 0.3，則適合做因子分析；從 KMO=0.575 檢驗來看，不是特別適合因子分析，基本可以通過。這裡主要是為了簡單介紹因子分析，所以，不看重這一結果。

2、因子方差表

提取因子後因子方差的值均很高，表明提取的因子能很好的描述這 5 個指標。方差分解表也表明，默認提取的前兩個因子能夠解釋 5 個指標的 93.4%。碎石圖表明，從第三個因子開始，特徵值差異很小。綜合以上，提取前兩個因子。


3、因子矩陣

由旋轉因子矩陣可以看出，經旋轉後，因子便於命名和解釋。因子 1主要解釋的是中等房價、專業服務項目、中等校平均校齡，可以命名為社會福利因子；而因子 2 主要解釋的是其餘兩個指標，總人口和總僱員。可以命名為人口因子。因子分析要求，最後得到的因子之間相互獨立，沒有相關性，而因子轉換矩陣顯示，兩個因子相關性較低。可見，對因子進行旋轉是完全有必要的。

     

4、因子係數

因子得分就是根據這個係數和標準化後的分析變量得到的。其次，在數據視圖中可以看到因子得分變量。

5、結論

經過因子分析，我們的目的實現了，找到了兩個綜合評價指標，即人口因子和福利因子。從原來的 5 個指標挖掘出 2 個潛在的綜合因子。可以對12 個地區給出客觀評價。

我們可以根據因子1或者因子2得分，對這12個地區進行從大到小排序，得分高者被認為在這個維度上有較好表現。一般上因子分析到此就已經結束了，如果想再進一步展開分析，一般可以採取兩種方式，第一是進行因子綜合得分的計算，用一個總得分對樣本進行大小排序，得分高者為佳；第二，將得到的若干因子作為新的變量，進行聚類分析，這兩種方式，均單獨有文字介紹。見以下連結：1綜合得分；2用於聚類分析


本文圖片較多，如果看不清楚，請在電腦瀏覽器中搜索「因子分析 數據小兵」即可看到博客原文。

=====================

更多內容可見：數據小兵博客

微信帳號：spsser

歡迎讀者朋友們騷擾，輸入關鍵詞：1、2、3、相關分析、聚類分析、方差分析等有驚喜！

=====================

相關焦點

  • spss怎麼分析因子?spss因子分析法詳細步驟
    spss不僅可以分析主成分 ，還可以分析因子哦，但是很多朋友不知道spss怎麼分析因子？小編下面有一個spss因子分析法詳細步驟哦，只要大家按照spss因子分析法詳細步驟一步步操作就知道spss怎麼分析因子了哦，下面就和小編一起來看看吧！
  • 關於SPSS因子分析的幾點總結
    在諸多主成分Z i中，Z 1在方差中佔的比重最大，說明它綜合原有變量的能力最強，越往後主成分在方差中的比重也小，綜合原信息的能力越弱。2、因子分析：因子分析是尋找潛在的起支配作用的因子模型的方法。因子分析是根據相關性大小把變量分組，使得同組內的變量之間相關性較高，但不同的組的變量相關性較低。每組變量代表一個基本結構，這個基本結構稱為公共因子。
  • SPSS因子分析經典案例分享
    因子分析已經被各行業廣泛應用，各種案例琳琅滿目，以前在百度空間發表過相關文章，是以每到4至6月，這些文章總會被高校畢業生扒拉一遍，
  • spss主成分怎麼進行分析?spss主成分分析法步驟
    spss 這款軟體功能非常多哦，還可以分析主成分哦，但是很多朋友不知道spss主成分怎麼進行分析？小編下面準備了spss主成分分析法詳細步驟，大家安裝 詳細步驟一步步操作就知道spss主成分怎麼進行分析？
  • 數據分析之主成分分析,spss主成分分析實例
    主成分分析方法能夠解決以上問題，主成分分析法是一種降維的統計方法，是考察多個變量間相關性一種多元統計方法。二、spss主成分分析操作流程導入數據。將已有數據整理後導入spss導入數據主成分分析操作流程。
  • 數據分析難?教你spss使用的正確姿勢
    軟體不會用，各種數據傻傻搞不清楚，尤其是怎麼分析數據更是暈頭轉向，當然跟著靠譜的老師學習，一邊看實操一邊自己做，這樣肯定事半功倍。本次我們整理出了spss的數據分析教程，都是有實操的，只要跟著做，絕對沒問題！
  • 基本數據統計分析--spss
    在數據分析工作中，描述性統計分析是我們日常使用率最高的，主要的基本統計分析維度包括但不限於均值、 中位數、眾數、方差、百分位、頻數、峰度、偏度、探索分析、交叉聯列表分析、多選項分析、基本統計報表製作等。而這些功能操作在spss中是可以直接使用的。當然我們也需要理解相關定義。
  • 交完論文才發現spss數據分析做錯了
    我將論文翻了一遍，發現原來是文章的spss分析做錯了，裡面的一個分析結果與論文的結論完全相反。由於自己做的太快，看到有結果就直接把分析表格複製粘貼到了論文裡，所以完全沒看出來。回到宿舍，我苦惱地思考怎麼修改。因為太久沒用spss了，我已經忘記了當初的分析步驟。本來就是為了畢業論文現學的軟體，一步一步上網搜索怎麼做，艱難地寫出來的，現在讓我回憶這些真的太難了。
  • 數據分析基礎相關性分析,SPSS實操
    一般根據研究的目的不同、或變量的類型不同，採用不同的相關分析方法。 常用的相關分析方法：二元定距變量的相關分析、二元定序變量的相關分析、偏相關分析和距離相關分析等。二、SPSS相關性分析操作spss相關性分析操作流程
  • 學會spss就能找到數據分析工作嗎
    大學課堂上學習了spss，老師也講了很多知識，但是現在準備畢業了，我做的實習工作就是用業內的數據進行最新的行業研究。現在真正需要用到spss進行分析了，我卻看不懂老闆給的數據和分析要求，難道這就是理論與實際的脫節嗎？
  • 「數學建模」SPSS案例分析
    為研究舒張期血壓和血漿膽固醇對冠心病的作用，某醫師測定了50-59歲冠心病人15例和正常人16例的舒張壓和膽固醇指標，結果如下，試作判別分析，建立判別函數以便在臨床中用於篩選冠心病人。：圖一為：案例分析過程總結；圖二為：數據組；圖三為：規範判別函數的總結；圖四為：正規判別函數係數和功能組；圖五為：分類數據；圖六為：分類最終結果。
  • 重複測量數據的方差分析在SPSS中的應用——【杏花開醫學統計】
    關 注 重複測量數據的方差分析 在SPSS中的應用 關鍵詞：spss、重複測量方差 導 讀 在醫學研究中，很多實驗都涉及到重複測量的數據資料
  • SPSS方差分析方法與實例演練
    在數據分析過程中，為了進行兩組以上均數的比較，往往可以使用方差分析方法。那麼我們一起了解一下方差分析基本概念、 單因素方差分析、 多因素方差分析及協方差分析；同時在spss中的操作演練。在spss中經常使用方差齊性檢驗（都是levene檢驗），一般情況下，只要sig值大於0.05就可以認為方差齊性的假設成立，因此方差分析的結果應該值得信賴；如果sig值小於或等於0.05，方差齊性的假設就值得懷疑，導致方差分析的結果也值得懷疑。
  • SPSS聚類分析 I K-均值聚類法案例實操
    非層次聚類法：將案例快速分成K個類別，一般而言具體的類別個數需要在分析前就加以確定，整個分析過程使用迭代的方式進行。其中K—均值聚類法最為常用，也稱為快速聚類法（不能自動標準化，需要人為手動處理）。 2. 層次聚類法：首先確定距離的基本定義，以及類間距離的計算方式，隨後按照距離的遠近通過把距離較近的數據依次併入一類，直到數據完全歸為一個類別為止。
  • SPSS分析技術:組內相關係數(ICC)的原理及運用
    將上方數據整理成spss軟體格式，結果如下圖所示：(可前往qq群：577312904和134373751下載案例數據)分析思路今天草堂君首先介紹用方差分析的結算結果來計算ICC係數。 情況一ICC係數分析過程1、點擊SPSS軟體菜單【分析】-【一般線性模型】-【單變量】，跳出下方菜單。因為只有題項是隨機因子，所以將題項變量選為隨機因子，分數選為因變量。
  • 「spss數據分析系列」t檢驗
    一、t統計量及t檢驗本人介紹spss數據分析中的t檢驗，我們平時分析數據時經常對比均值，其中兩分類的均值對比採用的t檢驗，這裡強調一下的是兩分類的對比，其他還有獨立樣本t檢驗，配對t檢驗，我們在下面spss軟體部分再做說明
  • spss是什麼軟體?spss軟體是用來做什麼的?
    很多人看到有人在用spss，好奇spss是什麼軟體？spss是用來做什麼的？ spss是一個非常好用的統計分析軟體， spss用於統計學分析運算、數據挖掘、預測分析和決策支持任務的軟體產品及相關服務軟體哦，下面小編就來詳細介紹一下吧！
  • spss聚類分析功能怎麼使用?spss聚類分析教程
    spss 是一個非常好用的統計分析軟體，spss有一個聚類分析的功能哦，但是很多人不知道spss聚類分析功能怎麼使用？spss聚類分析是一個將case分析的數據的功能哦，下面小編就來告訴大家spss聚類分析使用教程吧！
  • 「spss數據分析系列」卡方檢驗-2x2
    前面的t檢驗都是對均值的分析，這類分析主要是針對於連續性變量，比如身高，溫度，降雨量等，但是如果針對於分類變量的差異分析怎麼分析呢，這裡就用到了我們所說的卡方檢驗，但是卡方檢驗對應的情況有很多種，這裡我將第一種，就是2x2的表格，2x2意思就是兩個變量都是2分類的變量。
  • SPSS統計分析:多因素方差分析及案例
    多因素方差分析既可以分析單個因素的作用（主效應），也可以分析因素之間的交互作用（交互效應），還可以進行協方差分析，以及各個因素變量與協變量的交互作用。根據觀測變量（即因變量）的數目，可以把多因素方差分析分為：單變量多因素方差分析（也叫一元多因素方差分析）與多變量多因素方差分析（即多元多因素方差分析）。本文將重點講述一元多因素方差分析，下篇文章將詳細講述多元多因素方差分析。