统计与SPSS应用之六 第六章：因素分析简介——因素分析的步骤及其有关注意事项.doc

统计与SPSS应用 第章： Factor Analysis - This procedure is for taking a large number of variables and reducing them into a small number of factors. Descriptives - This is chosen if you want descriptives of all the chosen variables. Extraction - This is where you choose the method you want to use for the extraction.? Principal components (the default) is the method most often used.? You can either choose to extract eigenvalues over a specified value, or you can choose the number of? factors to extract. Rotation - You choose rotation to make the results easier to interpret.? The default rotation is none, so if you want this feature, you must choose it. Varimax is the rotation method that is most popular, although there are others. Scores - If you would like to save the scores obtained by the factor analysis, you must choose the scores subdialog box. Options - This is chosen to control how the coefficients are displayed. 因素分析的用途 因子分析的应用主要有两个方面： 寻求基本结构：变量之间的高度相关意味着它们所反映的信息高度重合，通过因素分析能找到较少的几个因素，他们代表数据的基本结构，反映信息的本质特征。 数据化简：通过因素分析可将原有的一组观测变量化为较少的几个因子后，可以将得到的因子值，进行进一步的分析，如回归分析，路径分析、聚类分析等。 几个概念：因子符荷（Factor loding）；公因子方差h2（Communality）；和因子的贡献(Contribution)。 参金瑜P241 因素分析的步骤 一、计算所有变量的相关矩阵，并据此判定因素分析是否合适 如果矩阵中的相关系数大部分都小于0.3，则不适合作因素分析。 判断数据是否适合作因素分析，还可采用KMO检验和巴特立特球面检验。KMO值一般接近1，若比较小则表示不适合作因素分析。标准：0.9以上，非常好；0.8以上，好；0.7，一般，0.6差；0.5，很差；0.5以下，不能接受。 巴特立特球面检（Bartlett’s test of Sphericity）是一种显著性检验，达到显著性水平就比较好。 二、提取因子。这一步要确定因子抽取的方法 因素抽取(Extraction)的方法: 主成分分析法(Principal Components)， 普通最小二乘法， 广义最小二乘法(generalized least squares)， 最大似然法(Maximum likelihood)， 主轴因子法(Principle Axis Factoring)， α因子提取法(Alpha)， 映像分析法（image）。 后6种通称公因子分析法。 采取何种抽取方法 一般考虑两点： 因素分析的目的； 对变量方差的了解程度。 如果目的是以最少的因子最大程度地解释方差，或已知变量地误差很小，则适合采用主成分分析法；如果目的是了解数据的因子结构，且不了解变量的方差情况，就采用公因子分析法。 大多数情况下，这两种方法很接近。事实上可采用多种方法试一试。 三、确定抽几个因素 确定因子个数常用的方法如下： 潜根值(Eigenvalalue)准则，即潜根值大于1。 碎石图(Scree test)准则，取曲线开始转折前的因子个数。 有些情况下，分析人员事先确定因子的个数(number of factors)。这种做法适合检验因子的理论或重复某些工作。 Which criterion to use. Both criteria have been studied in detail (Browne, 1