SPSS因子分析

因子分析•因子分析的作用•如何利用SPSS进行因子分析统计学上的定义•因子分析就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子反映原资料的大部分信息的统计学方法。因子分析的特点（1）因子变量的数量远少于原有的指标变量的数量，对因子变量的分析能够减少分析中的计算工作量。（2）因子变量不是对原有变量的取舍，而是根据原始变量的信息进行重新组构，它能够反映原有变量大部分的信息。（3）因子变量之间不存在线性相关关系，对变量的分析比较方便。（4）因子变量具有命名解释性，即该变量是对某些原始变量信息的综合和反映。因子分析的4个基本步骤因子分析有两个核心问题：一是如何构造因子变量；二是如何对因子变量进行命名解释。因子分析有下面4个基本步骤。（1）确定待分析的原有若干变量是否适合于因子分析。（2）构造因子变量。（3）利用旋转使得因子变量更具有可解释性。（4）计算因子变量的得分。因子分析是从众多的原始变量中构造出少数几个具有代表意义的因子变量，这里面有一个潜在的要求，即原有变量之间要具有比较强的相关性。如果原有变量之间不存在较强的相关关系，那么就无法从中综合出能反映某些变量共同特性的少数公共因子变量来。因此，在因子分析时，需要对原有变量作相关分析。1.确定是否适合于因子分析最简单的方法就是计算变量之间的相关系数矩阵。如果相关系数矩阵在进行统计检验中，大部分相关系数都小于0.3，并且未通过统计检验，那么这些变量就不适合于进行因子分析。更精确的检验方法1）巴特利特球形检验（BartlettTestofSphericity）2）反映像相关矩阵检验（Anti－imagecorrelationmatrix）3）KMO（Kaiser-Meyer-Olkin）检验2决定构造因子变量的方法因子分析中有多种确定因子变量的方法，如基于主成分模型的主成分分析法和基于因子分析模型的主轴因子法、极大似然法、最小二乘法等。其中基于主成分模型的主成分分析法是使用最多的因子分析方法之一。下面以该方法为对象进行分析。