首页 资讯 IT 互联网 手机 智造 家电 电商 科普 游戏 关于我们 网站地图
首页/游戏世界

1

spss因子分析将错综复杂关系的变量变为数据较少的因子
2021-06-20

因子分析:因子分析模型中,假定每个原始变量由两部分组成:共同因子和唯一因子。共同因子是各个原始变量所共有的因子,解释变量之间的相关关系。唯一因子顾名思义是每个原始变量所特有的因子,表示该变量不能被共同因子解释的部分。
      因子分析适用条件:


      (1)样本量不能太小,至少为变量数的5倍。
      (2)各变量间应该具有相关性,如彼此独立,则无法提取公因子。通过Bartlett球形检验来判断。
      (3)KMO检验:用于考察变量间的偏相关性,取值0~1之间;KMO统计量越接近1,变量间的偏相关性越强,因子分析效果越好。一般统计量在0.7以上为适应做因子分析。<0.5则不适宜做因子分析。
      (4)因子分析中各公因子应该具有实际意义。
      操作步骤:
      1)打开因子分析工具:
      2)选择要进行因子分析的变量:
      3)设置因子分析模型:
      a.描述:这里要说一下KMO和Bartlett的球形度检验,KMO检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。主要应用于多元统计的因子分析。KMO统计量是取值在0和1之间。Kaiser给出了常用的kmo度量标准: 0.9以上表示非常适合;0.8表示适合;0.7表示一般;0.6表示不太适合;0.5以下表示极不适合。KMO统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时,KMO值接近1.KMO值越接近于1,意味着变量间的相关性越强,原有变量越适合作因子分析;当所有变量间的简单相关系数平方和接近0时,KMO值接近0.KMO值越接近于0,意味着变量间的相关性越弱,原有变量越不适合作因子分析。Bartlett’s球形检验用于检验相关阵中各变量间的相关性,是否为单位阵,即检验各个变量是否各自独立。如果变量间彼此独立,则无法从中提取公因子,也就无法应用因子分析法。Bartlett球形检验判断如果相关阵是单位阵,则各变量独立,因子分析法无效。由SPSS检验结果显示Sig.<0.05(即p值<0.05)时,说明各变量间具有相关性,因子分析有效。
      b.抽取:一般来说方法我们都选择主成分方法,但是在python中进行因子分析时用的不是这个方法。
      c.旋转:旋转的作用是为了方便最后看什么变量属于哪个因子。
      d.得分。
      e.选项:选择按列表排除个案。
      到此模型设置完毕,点击确定即可在SPSS窗口中看到分析结果。

声明:该文系信息发布,IT手机世界仅提供信息存储空间服务。
点赞
来源:
新品快讯更多
厂商动态更多
会展中心更多
热搜排行更多

CopyRight@2015-2024 IT手机世界 All Right Reserved

工信备案号:京备A2-2009413

IT手机世界畅享移动互联时代智能智慧新生活