第9章 因子分析.ppt

SPSS16实用教程 第9章因子分析 因子分析是将现实生活中众多相关 重叠的信息进行合并和综合 将原始的多个变量和指标变成较少的几个综合变量和综合指标 以利于分析判定 本章介绍因子分析的定义 因子分析的数学模型 以及因子分析在SPSS中的实现过程 9 1因子分析的定义和数学模型 9 1 1统计学上的定义 定义 在社会 政治 经济和医学等领域的研究中往往需要对反映事物的多个变量进行大量的观察 收集大量的数据以便进行分析 寻找规律 在大多数情况下 许多变量之间存在一定的相关关系 因此 有可能用较少的综合指标分析存在于各变量中的各类信息 而各综合指标之间彼此是不相关的 代表各类信息的综合指标称为因子 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 因子分析有如下特点 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 对多变量的平面数据进行最佳综合和简化 即在保证数据信息丢失最少的原则下 对高维变量空间进行降维处理 显然 在一个低维空间解释系统 要比在一个高维系统空间容易得多 英国统计学家MoserScott在1961年对英国157个城镇发展水平进行调查时 原始测量的变量有57个 而通过因子分析发现 只需要用5个新的综合变量 它们是原始变量的线性组合 就可以解释95 的原始信息 对问题的研究从57维度降低到5个维度 因此可以进行更容易的分析 9 1 2数学模型 因子分析中的几个概念1 因子载荷2 变量共同度3 公共因子Fj的方差贡献 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 9 1 3因子分析的4个基本步骤 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 9 1 4确定待分析的原有若干变量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 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 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 9 1 5构造因子变量 9 1 6因子变量的命名解释 在实际分析工作中 主要是通过对载荷矩阵A的值进行分析 得到因子变量和原变量的关系 从而对新的因子变量进行命名 计算因子得分是因子分析的最后一步 因子变量确定以后 对每一样本数据 希望得到它们在不同因子上的具体数据值 这些数值就是因子得分 它和原变量的得分相对应 有了因子得分 在以后的研究中 就可以针对维数少的因子得分来进行 9 1 7计算因子得分 9 2SPSS中实现过程 9 2 1SPSS中实现步骤 研究问题表9 2所示为20名大学生关于价值观的9项测验结果 包括合作性 对分配的看法 行为出发点 工作投入程度 对发展机会的看法 社会地位的看法 权力距离 对职位升迁的态度 以及领导风格的偏好 表9 220名大学生的9项测验结果 实现步骤 图9 1在菜单中选择 Factor 命令 图9 2 FactorAnalysis 对话框 图9 3 FactorAnalysis Descriptives 对话框 图9 4 FactorAnalysis Extraction 对话框 图9 5 FactorAnalysis Rotation 对话框 图9 6 FactorAnalysis FacforScores 对话框 图9 7 FactorAnalysis Options 对话框 1 SPSS输出结果文件中的第一部分如下表所示 9 2 2SPSS结果解释 2 SPSS输出结果文件中的第二部分如下表所示 3 SPSS输出结果文件中的第三部分如下表所示 4 SPSS输出结果文件中的第四部分如下表所示 5 SPSS输出结果文件中的第五部分如下表所示 6 SPSS输出结果文件中的第六部分如下表所示 7 SPSS输出结果文件中的第七部分为TotalVarianceExplained表格 如下表所示 8 SPSS输出结果文件中的第八部分如图9 8所示 9 SPSS输出结果文件中的第九部分如下表所示 10 SPSS输出结果文件中的第十部分如下表所示 11 SPSS输出结果文件中的第十一部分如下表所示 12 SPSS输出结果文件中的第十二部分如图9 9所示 13 SPSS输出结果文件中的第十三部分如下表所示 14 SPSS输出结果文件中的第十四部分如下表所示 因子分析是对现实生活中众多的相关 重叠信息进行合并和综合 它以最少的信息丢失 将原始的众多变量和指标变成较少的几个综合变量 以利于分析判定 在研究中 因子分析得到的结果经常用于综合判定 9 2 3讨论 小结 因子分析是由CharlesSpearman在1904年首次提出 其在某种程度上可以被看成是主成分分析的推广和扩展 因子分析就是用少量几个因子来描述许多指标或因素之间的联系 以较少的几个因子反应原资料的大部分信息的统计方法 小结 因子分析有两个核心问题 一是如何构造变量 二是如何对因子变量命名解释 因子分析的基本步骤有四步 1 确定带分析的原有若干变量是否适于因子分析 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 计算因子变量得分 小结 主成分分析与因子分析的联系及区别1 两者都是在多个原始变量中通过它们之间的内部相关性来获得新的变量 主成分变量或因子变量 达到既减少分析指标个数 又能概括原始指标主要信息的目的 其各自特点如下 主成分分析是将m个原始变量提取k k m 个互不相关的主成分 因子分析是提取k k m 个支配原始变量的公因子和1个特殊因子 各公因子之间可以相关或者互不相关 小结 2 提取公因子的方法主要有主成分法和公因子法 若采用主成分法 这主成分分析和因子分析基本等价 该法主要从解释变量的变异角度 尽量使变量的方差能被主成分解释 即主成分法倾向得到更大的共性方差 而公因子法主要是从解释变量的相关性角度 尽量使变量的相关程度能被公因子解释 当因子分析的目的重在确定结构时会用到该法 小结 3 因子分析提取的公因子比主成分更具有可解释性 主成分分析不考虑观察变量的度量误差 直接用观察变量的某种线性组合来表示一个综合变量 而因子分析的潜在变量则校正了观察变量的度量误差 且它还可进行因子旋转 使潜在因子的实际意义更明确 分析结论更真实 小结 4 两者分析的