spss因素分析教程学习资料

1、Good is good, but better carries it.精益求精，善益求善。spss因素分析教程-二、利用SPSS对量表进行因素分析【例6-9】现要对远程学习者对教育技术资源的了解和使用情况进行了解，设计一个里克特量表，如表6-27所示。将该量表发放给20人回答，假设回收后的原始数据如表6-28所示。操作步骤：录入数据定义变量“A1”、“A2”、“A3”、“A5”、“A6”、“A7”、“A8”、“A9”、“A10”，并按照表输入数据，如图6-33所示。因素分析（1）选择“AnalyzeDataReductionFactor”命令，弹出“FactorAnalyze”对话框，将变量

2、“A1”到“A10”选入“Variables”框中,如图6-34所示。（2）设置描述性统计量单击图6-34对话框中的“Descriptives”按钮，弹出“FactorAnalyze:Descriptives”（因素分析：描述性统计量）对话框，如图6-35所示。“Statistics”（统计量）对话框A“Univariatedescriptives”（单变量描述性统计量）：显示每一题项的平均数、标准差。B“Initialsolution”（未转轴之统计量）：显示因素分析未转轴前之共同性、特征值、变异数百分比及累积百分比。“CorrelationMatric”（相关矩阵）选项框A“Coeffic

3、ients”（系数）：显示题项的相关矩阵B“Significancelevels”（显著水准）：求出前述相关矩阵地显著水准。C“Determinant”（行列式）：求出前述相关矩阵地行列式值。D“KMOandBartlettstestofsphericity”（KMO与Bartlett的球形检定）：显示KMO抽样适当性参数与Bartletts的球形检定。E“Inverse”（倒数模式）：求出相关矩阵的反矩阵。F“Reproduced”（重制的）：显示重制相关矩阵，上三角形矩阵代表残差值；而主对角线及下三角形代表相关系数。G“Anti-image”（反映像）：求出反映像的共变量及相关矩阵。在本例

4、中，选择“Initialsolution”与“KMOandBartlettstestofsphericity”二项，单击“Continue”按钮确定。（3）设置对因素的抽取选项单击图6-34对话框中的“Extraction”按钮，弹出“FactorAnalyze:Extraction”（因素分析：抽取）对话框，如图6-36所示。“Method”（方法）选项框：下拉式选项内有其中抽取因素的方法：A“Principalcomponents”法：主成份分析法抽取因素，此为SPSS默认方法。B“Unweightedleastsquares”法：未加权最小平方法。C“Generalizedleastsq

5、uare”法：一般化最小平方法。D“Maximumlikelihood”法：最大概似法。E“Principal-axisfactoring”法：主轴法。F“Alphafactoring”法：因素抽取法。G“Imagefactoring”法：映像因素抽取法。“Analyze”（分析）选项框A“Correlationmatrix”（相关矩阵）：以相关矩阵来抽取因素B“Covariancematrix”（共变异数矩阵）：以共变量矩阵来抽取因素。“Display”（显示）选项框A“Unrotatedfactorsolution”（未旋转因子解）：显示未转轴时因素负荷量、特征值及共同性。B“Screep

6、lot”（陡坡图）：显示陡坡图。“Extract”（抽取）选项框A“Eigenvaluesover”（特征值）：后面的空格默认为1，表示因素抽取时，只抽取特征值大于1者，使用者可随意输入0至变量总数之间的值。B“Numberoffactors”（因子个数）：选取此项时，后面的空格内输入限定的因素个数。在本例中，设置因素抽取方法为“Principalcomponents”，选取“Correlationmatrix”、“Unrotatedfactorsolution”、“Principalcomponents”选项，在抽取因素时限定在特征值大于1者，即SPSS的默认选项。单击“Continue”按

7、钮确定。（4）设置因素转轴单击图6-34对话框中的“Rotation”按钮，弹出“FactorAnalyze:Rotation”（因素分析：旋转）对话框，如图6-37所示。“Method”（方法）选项方框内六种因素转轴方法：A“None”：不需要转轴B“Varimax”：最大变异法，属正交转轴法之一。C“Quartimax”：四次方最大值法，属正交转轴法之一。D“Equamax”：相等最大值法，属正交转轴法之一。E“DirectOblimin”：直接斜交转轴法，属斜交转轴法之一。F“Promax”：Promax转轴法，属斜交转轴法之一。“Display”（显示）选项框：A“Rotatedsol

8、ution”（转轴后的解）：显示转轴后的相关信息，正交转轴显示因素组型矩阵及因素转换矩阵；斜交转轴则显示因素组型、因素结构矩阵与因素相关矩阵。B“Loadingplots”（因子负荷量）：绘出因素的散步图。“MaximumIterationsforConvergence”：转轴时之行的叠代最多次数，后面默认得数字为25，表示算法之行转轴时，执行步骤的次数上限。在本例中，选择“Varimax”、“Rotatedsolution”二项。研究者要选择“Rotatedsolution”选项，才能显示转轴后的相关信息。单击“Continue”按钮确定。（5）设置因素分数单击图6-34对话框中的“Scor

9、es”按钮，弹出“FactorAnalyze:FactorScores”（因素分析：因素分数）对话框，如图6-38所示。“Saveasvariable”（因素存储变量）框勾选时可将新建立的因素分数存储至数据文件中，并产生新的变量名称（默认为fact_1、fact_2、fact_3、fact_4等）。在“Method”框中表示计算因素分数的方法有三种：A“Regression”：使用回归法。B“Bartlett”：使用Bartlette法C“Anderson-Robin”：使用Anderson-Robin法。“Displayfactorcoefficientmatrix”（显示因素分数系数矩阵）

10、选项勾选时可显示因数分数系数矩阵。在本例中，取默认值。单击“Continue”按钮确定。（6）设置因素分析的选项单击图6-34对话框中的“Options”按钮，弹出“FactorAnalyze:Options”（因素分析：选项）对话框，如图6-39所示。“MissingValues”（遗漏值）选项框：遗漏值的处理方式。A“Excludecaseslistwise”（完全排除遗漏值）：观察值在所有变量中没有遗漏值者才加以分析。B“Excludecasespairwise”（成对方式排除）：在成对相关分析中出现遗漏值得观察值舍弃。C“Replacewithmean”（用平均数置换）：以变量平均值取

11、代遗漏值。“CoefficientDisplayFormat”（系数显示格式）选项框：因素负荷量出现的格式。A“Sortedbysize”（依据因素负荷量排序）：根据每一因素层面的因素负荷量的大小排序。B“Suppressabsolutevalueslessthan”（绝对值舍弃的下限）：因素负荷量小于后面数字者不被显示，默认的值为0.1。在本例中，选择“Excludecaseslistwise”、“Sortedbysize”二项，并勾选“Suppressabsolutevalueslessthan”，其后空格内的数字不用修改，默认为0.1。如果研究者要呈现所有因素负荷量，就不用选取“Supp

12、ressabsolutevalueslessthan”选项。在例题中为了让研究者明白此项的意义，才勾选了此项，正式的研究中应呈现题项完整的因素负荷量较为适宜。单击“Continue”按钮确定。设置完所有的选项后，单击“OK”按钮，输出结果。结果分析（1）KMO及Bartlett检验如图6-40所示，显示KMO及Bartlett检验结果。KMO是Kaiser-Meyer-Olkin的取样适当性量数，当KMO值愈大时，表示变量间的共同因素愈多，愈适合进行因素分析，根据专家Kaiser（1974）观点，如果KMO的值小于0.5时，较不宜进行因素分析，此处的KMO值为0.695，表示适合因素分析。此外

13、，从Bartletts球形检验的值为234.438，自由度为45，达到显著，代表母群体的相关矩阵间有共同因素存在，适合进行因素分析。（2）共同性如图6-41所示，显示因素间的共同性结果。共同性中显示抽取方法威主成份分析法，最右边一栏为题项的共同性。（3）陡坡图如图6-42所示，显示因素的陡坡图。从陡坡图中，可以看出从第三个因素以后，坡线甚为平坦，因而以保留3个因素较为适宜。（4）整体解释的变异数未转轴前的数据如图6-43所示，显示的是未转轴前整体解释的变异数。从图中可以看出，左边10个成份因素的特征值总和等于10。解释变异量为特征值除以题项数，如第一个特征值得解释变异量为6.3581063.5

14、79。将左边10个成份的特征值大于1的列于右边。特征值大于1的共有三个，这也是因素分析时所抽出的共同因素数。由于特征值是由大到小排列，所以第一个共同因素的解释变异量通常是最大者，其次是第二个1.547，再是第三个1.032。转轴后的特征值为4.389、3.137、1.411，解释变异量为43.885、31.372、14.108，累积的解释变异量为43.885、75.257、89.366。转轴后的特征值不同于转轴前的特征值。（5）未转轴的因素矩阵如图6-44所示，显示的是未转轴的因素矩阵。从图中可以看出，有3个因素被抽取，并且因素负荷量小鱼0.1的未被显示。（6）转轴后的因素矩阵如图6-45所示，显示了转轴后的因素矩阵。从图中可以看出A1、A8、A6、A5、A4为因素一，A10、A9、A7为因素二，A3、A2为因素三。题项在其所属的因素层面顺序是按照因素负荷量的高低排列。（7）因素转换矩阵如图6-46所示，显示了因素转换矩阵。它是在“FactorAnalysis:Rotation”对话框中“Display”选项框中选择“RotatedSolution”选项框以后生成该表。结果说明根据因素的