推荐书: Python开发最佳实践

SPSS因素分析中如何旋转因子与分析结果

分享时@该用户已经被封, 我就能回答你的问题奥!

因子分析要求提取出的公因子有实际意义,但是大部分因子分析的结果中,各因子和原始变量之间额关系并不明显,为了使因子载荷矩阵中系数更加显著,可以对初始因子载荷矩阵进行旋转,使因子和原始变量间的关系进行重新分配,相关系数向0–1分化。
工具/原料

  • spss20.0
    方法/步骤
  • 如图所示,先要打开因素分析的主对话框,在菜单栏上执行:analyse–dimension reduction–factor
  • 打开因素分析对话框以后,我们先将要进行因素分析的6个变量放入到variables框中
  • 点击rotation按钮,打开因素旋转对话框
  • 在这里,首先要设置因素旋转的方法,这里有5种方法,一般蕞常用的是最大方差旋转,也就是varimax方法;其他方法在【注意事项】里介绍。点击continue按钮返回
  • 回到了主对话框,点击ok按钮开始处理数据并输出结果
  • 我们看到的第一个结果是communalities,叫做变量共同度,extraction列表显示的是我们提取的因素能够解释多少自变量,值越接近1越好(最大值是1)。
  • 我们看到这这个表格指的是因子载荷矩阵,他显示出三个因子再原始变量上的载荷,根据这个表格我们能够求得各个变量的标准分数的表达式,不是因子的表达式啊哦!!
  • 这个表格是最重要的表格,显示了在旋转因子以后 三个因子再原始变量上的载荷,根据这个表格我们能够求得各个变量的标准分数的表达式,不是因子的表达式啊哦!!

注意事项

  • 介绍一下因子旋转的方法:

  • varimax方法:方差最大正交旋转,是最常用的方法,如果你不懂各种方法的原理,你只要用这个方法就不会有太大的误差。

  • quartimax是四次方最大正交旋转,该方法倾向于减少和每个变量有关联的因子数,从而简化对原变量的解释

  • equamax是平方最大正交旋转,该方法介于上面两种方法之间。

转载请注明来自DataScience.

邮箱: 675495787@qq.com