熱線電話：13121318867

登錄
首頁精彩閱讀因素分析的基本原理&對SPSS因素分析結果的解釋
因素分析的基本原理&對SPSS因素分析結果的解釋
2018-03-08
收藏

因素分析的基本原理&對SPSS因素分析結果的解釋

因素分析的基本原理
●因素分析就是將錯綜復雜的實測變量歸結為少數幾個因子的多元統計分析方法。其目的是揭示變量之間的內在關聯性，簡化數據維數，便于發現規律或本質。
●因素（因子）分析（Factor Analysis)的基本原理是根據相關性大小把變量分組，使得同組變量之間的相關性較高，不同組變量之間相關性較低。每組變量代表一個基本結構，這個結構用公共因子來進行解釋。
●因素分析的目的之一，即要使因素結構的簡單化，希望以最少的共同因素，能對總變異量作最大的解釋，因而抽取得因素愈少愈好，但抽取因素的累積解釋的變異量愈大愈好。
●在因素分析的共同因素抽取中，應最先抽取特征值最大的共同因素，其次是次大者，最后抽取共同因素的特征值最小，通常會接近0。
●因子負荷量----是指因素結構中原始實測變量與因素分析時抽取出共同因素的相關程度。在因素分析中，用兩個重要指標“共同度”和“特殊因子”描述。
●共同度----就是每個變量在每個共同因素之負荷量的平方總和（一橫列中所有因素負荷量的平方和）。從共同性的大小可以判斷這個原始實測變量與共同因素間之關系程度。
●特殊因子----各變量的唯一因素大小就是1減掉該變量共同度的值。
●特征值----是每個變量在某一共同因素之因素負荷量的平方總和（一直行所有因素負荷量的平方和）。
                特征值的總和等于實測變量的總數
●方差貢獻率----指公共因子對實測變量的貢獻，又稱變異量 方差貢獻率=特征值G/實測變量數p。
對SPSS因素分析結果的解釋
●取樣適當性（KMO）檢驗
—— KMO值越大，表示變量間的共同因素越多，越適合進行因素分析，要求KMO>0.5
——  要求Barlett’s的卡方值達到顯著程度 
●共同性檢查
●因素陡坡檢查
●方差貢獻率檢驗
●顯示未轉軸的因素矩陣
●分析轉軸后的因素矩陣


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

特征 方差 多元統計分析 統計分析

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇回歸系列（一）| 怎樣正確地理解線性回歸
下一篇2020美國總統競選大戲開鑼，川普當選的奇跡會再發生嗎？
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢