SPSS教程学习笔记2: 因子分析

因子分析广泛应用于各个行业，并且存在多种情况，尤其是在大学毕业季节. 从4月到6月，这些文章始终会被大学毕业生收录，并且您始终可以收到各种消息和咨询. 今天为读者分享一个经典案例.

因子分析是一种基于相关性的数据分析技术，并且是一种基于观察数据的降维方法. 其主要目的是探索隐藏在大量观测数据背后的特定结构，并找到一组变量变化的共同因素.

人们的心理结构是等级式的，分为显性和隐性. 但是作为具有身份的个人，隐式方面始终与显式方面交互，并且隐式方面限制了显式功能. 因此spss视频教程 因子分析，我们经常说一个人的内在自我将在很大程度上决定他的外在行为特征，并且表明某些行为倾向具有高度的一致性或相关性.

相反，通过对个体进行系统的观察和测量，我们可以从一组高度相关的行为倾向（可观察到的）中探索稳定的内部心理结构（潜在存在），这就是分析可以做到的因素.

具体来说，它主要用于:

（1）个人综合评价: 根据综合因素评分对病例进行分类；

（2）问卷的有效性分析: 将问卷中列出的问题用作输入变量，并通过KMO，因子特征值贡献率，因子命名等来判断问卷结构的质量.

（3）降维处理，结果重用: 将因子得分作为变量进行聚类或其他分析.

每个高中生都读过它. 在那个时代，英雄基于成就. 科学王子和文科小学学生是时代的标签. 为什么我们将数学，物理和化学合并为科学，而将其他科学合并为文科，是否有数据支持？今天，我们将使用科学的方法来找到答案.

下表（部分）显示了100名学生在数学，物理，化学，中文，历史和英语方面的得分. 请对其进行评估.

这是一个有趣的案例. 您可以客观地观察每个学科的结果，但是您可以直接看到科学和文科的情况吗？六个主题的结果是我们观察到的外部表现. 您是否发现隐藏在其中的公共因素？如果我们对6个主题进行降维，我们将拭目以待.

将6个主题的得分用作6个原始变量，将SPSS用作因子分析. 有关具体步骤spss视频教程 因子分析，请参阅每个因子分析教程. 默认值也可用.

公共因素命名: 能否清楚地解释并具有实际意义

在减小SPSS维数之后，从公共因素方差表中可以看出，默认情况下会提取两个公共因素，这可以解释81％的差异. 它似乎是文理与科学的结合.

我们试图命名和解释轮换后的因素. 似乎一点都不困难. 因子1与中文，历史和英语这三个主题最相关，所有这些相关性均高于0.8. 因子2与数学，物理和化学有关，基本上达到0.8或更高，这与我们常说的人文科学相吻合，没有理由不这样称呼.

因子得分排名: 综合评估

正确命名公共因素后，因素分析不会结束. 通常，因子得分可用作后续分析步骤的变量.

在此示例中: 根据文科和科学因素的得分对100名学生进行排名. 您可以使用（中文+时长+英语）和（数学+物理+化学）平均值来验证因子得分的排名是否合理. 同时，您还可以观察分数是否为负数是否会影响排名的因素.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-163915-1.html