? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 因子分析步驟

? ? ? ? ? ?某對外漢語培訓(xùn)中心對在該中心學(xué)習(xí)的外國留學(xué)生進行了一項漢語學(xué)習(xí)動機問卷調(diào)查。使用李克特五級式量表。第一級為最不喜歡，第五級為最喜歡。隨機抽取18人參加調(diào)查。其中—個項目調(diào)查的是“內(nèi)在動機”或稱“內(nèi)在興趣動機”，了解留學(xué)生對漢語語言、文化的興迎與喜愛。該項目分為六個問題。

整理數(shù)據(jù)如下

?

?

一、在spss中建立數(shù)據(jù)集

二、打開Factor analysis主對話框

1. Analyze(分析)—Deta reduction （數(shù)據(jù)化簡）--factor （因素）

2. 所有數(shù)據(jù)放入variable框內(nèi)

三、進入Factor analysis主對話框右邊的子對話框

??(一) Descriptive子對話框

????1. 選擇Univariables(單變量描述統(tǒng)計量)：會輸出每個變量的平均數(shù)、標(biāo)準(zhǔn)差和觀測量

２．選擇Initial solution(初步結(jié)果)：會輸出原始分析結(jié)果：公因子方差、協(xié)方差、各因子的特征值、所占總方差的百分比、累計百分比。這是默認(rèn)系統(tǒng)，應(yīng)該保留。

????3. Correlation Matrix(相關(guān)矩陣)圍欄，選項含可選擇的相關(guān)指標(biāo)與相關(guān)檢驗: 常常選擇（１）（４）

?(1)coeffieient (相關(guān)系數(shù))，列出各變量間的相關(guān)系數(shù)矩陣。

（２）Significance level(顯著性水平)，列出各變量單側(cè)檢驗的P值。

（３）Determinant(行列式)選項，輸出相關(guān)系數(shù)矩陣的行列式。

（４）KMO and Barlett’s tests of sphericity (開塞－梅耶－歐巴金和巴萊特球性檢驗)選項(K-Kaiser, M-Meyer, O-Olkin): 列出球性檢驗的結(jié)果，顯示因素模型是否合理。 ???

（５）Inverse (逆矩陣)：列出相關(guān)系數(shù)的逆矩陣。

（６）Reproduced (在生相關(guān)矩陣)，列出因子分析后估計的相關(guān)矩陣與殘差。

（７）Anti(逆影像)：列出包括相關(guān)系數(shù)的負(fù)值，包括方差　的負(fù)值的逆影像方差矩陣。

（二）Extraction(提取因子) 子對話框。

1. Method：七種方法區(qū)別不大。用默認(rèn)Principal components (主成分分析法)：從解釋變量的變異出發(fā)，使變異的方差能夠被主成分所解釋，主要用于獲得初始因子的結(jié)果。

2. Analyze圍欄：

（1）Correlation matrix(變量間相關(guān)矩陣)。保留默認(rèn)。

（2）Covariance matrix (變量間協(xié)方差矩陣)

3. Display圍欄（輸出結(jié)果）

（1） a. Unrotated factor solution（顯示未經(jīng)旋轉(zhuǎn)變化的因子提取結(jié)果）

??（2） Scree plot(碎石圖)：橫軸為因子序號，縱軸表示特征值大小。該圖按特征值大小依次排列因子，可以看出哪些是主要因子。Maximum Iterations for convergence (收斂最大迭代次數(shù))

4. Extract （設(shè)定公因子提取標(biāo)準(zhǔn)）圍欄：

（1）Eigenvalues over (以特征大于莫數(shù)值為提取標(biāo)準(zhǔn))。保留默認(rèn)選擇系統(tǒng)默認(rèn)值1.

??（2）Number of factors(自提取因子的數(shù)量)。保留默認(rèn)選擇值1.

?????（3）Maximum iterations for convergence (收斂最大迭代次數(shù))，保留默認(rèn)選擇25.

4. Rotation （旋轉(zhuǎn)）

（1）method. 選擇Varimatrix(正交旋轉(zhuǎn)法)

（2）Display（輸出結(jié)果顯示）

a. Rotated solution （旋轉(zhuǎn)解法）：正交旋轉(zhuǎn)，輸出旋轉(zhuǎn)后的模式矩陣和因子轉(zhuǎn)換矩陣。

b. Loading plot (載荷散點圖：三維圖：坐標(biāo)值為因子值，各個變量以三點形式分布其中，可以直觀了解變量與因子之間的關(guān)系。

5. ?Scores(因子得分)。保留默認(rèn)。

6. ?Options,保留默認(rèn)。保留默認(rèn)。

?

表格說明Communalities?（公因子方差表）：表中給出了各變量中信息分別被提出的比例。提取比例最高的是漢語歌曲0.874，最低的是漢語戲劇0.652.

圖表說明Total Variance Explained?（能解釋的方差比例表），也稱主成份列表 ，是一個非常重要的表格。一個因子所解釋的方差比例越高，這個因子包含原有變量信息的量就越多。第一個成分的初始特征值為2.231，能解釋的方差比例為31.621％，第二個與第三個分別為25.6％和21.4%。其余四個成分都小于1，說明這幾個成分的解釋力度還不如直接引入原變量大。這七個變量只需要提取出頭三個成分即可。

?

圖表說明： Scree Plot 碎石圖中，從第三個成分以后的特征值就降得非常低。第三個成分就是這一圖形的“拐點”。這一之前是主要因子，這一之后是次要因子。因此，這一碎石圖用直觀的方法向我們顯示，在我們這一實例中，只需要提取三個主要成分就行了。

圖表說明：?Component Matrix?成分矩陣表，表中列出未使用旋轉(zhuǎn)方法時使用因子能解釋的各個變量的比例（各變量的信息被主成份提取了多少）。

圖表說明：表中列出了使用旋轉(zhuǎn)方法后因子能解釋的各個變量的比例。對比表5可以看出，旋轉(zhuǎn)后，原先較大的比例變得更大，較小的比例則變得更小。

Extraction Method: Principal Component Analysis：提取方法：主要成分分析法

Rotation Method: Varimax with Kaiser Normalization：旋轉(zhuǎn)方法：開塞正態(tài)方差最大變異法

?

圖表說明

Component Transformation Matrix??成分轉(zhuǎn)換矩陣表，用來說明旋轉(zhuǎn)前后主成份間的系數(shù)對應(yīng)關(guān)系。

Extraction Method: Principal Component Analysis：提取方法：主要成分分析法

Rotation Method: Varimax with Kaiser Normalization：旋轉(zhuǎn)方法：開塞正態(tài)方差最大變異法

圖表說明

Component Plot Rotated Space (旋轉(zhuǎn)后的三維主成份圖)，從圖中可見，我們的七個變量并沒有在一個方位上，因此提取一個主成份并不能解釋大部分信息。這就是系統(tǒng)提取了三個主成分的原因。

?

總結(jié)

以上是生活随笔為你收集整理的SPSS:因子分析步骤的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。