SPSS因素分析
使用SPSS软件进行多因素方差分析
使用SPSS软件进行多因素方差分析使用SPSS软件进行多因素方差分析一、引言多因素方差分析是一种重要的统计方法，用于分析多个自变量对因变量的影响。
它可以帮助研究人员确定不同因素对研究对象的差异产生的影响，以及这些因素之间是否存在交互作用。
SPSS软件是一款功能强大且易于使用的统计分析工具，可以帮助用户在进行多因素方差分析时快速、准确地得出结果。
本文将介绍使用SPSS软件进行多因素方差分析的步骤，并通过一个案例来具体说明。
二、SPSS软件介绍SPSS（Statistical Package for the Social Sciences）是一款专业的统计分析软件，被广泛应用于社会科学、医学、商业等领域。
它提供了丰富的统计方法和分析工具，并具备数据清洗、可视化、报告生成等功能。
在多因素方差分析中，SPSS 可以帮助用户进行方差分析表的生成、方差分析的可视化、方差齐性检验和事后比较等操作，大大简化了分析过程。
三、多因素方差分析的步骤1. 数据准备：将需要分析的数据录入SPSS软件，并确定自变量和因变量的测量水平。
一般自变量为定类变量，而因变量可以是定量或定类变量。
2. 方差分析表的生成：选择“分析”菜单中的“一元方差分析”选项，然后将因变量添加到依赖变量框中，将自变量添加到因子框中。
接下来，点击“选项”按钮设置参数，如设定显著性水平和置信区间。
点击“确定”后，SPSS会生成方差分析表。
3. 方差分析的可视化：在方差分析表中，用户可以查看各个因素的主效应和交互作用，以及统计指标如F值、p值等。
此外，SPSS还提供了绘制效应图、交互作用图等功能，帮助用户更直观地理解分析结果。
4. 方差齐性检验：方差齐性检验用于验证因变量的变异是否在各组间具有相同的方差。
SPSS软件可以通过选择“分析”菜单中的“Compare Means”选项，进而进行多个组间方差齐性检验。
5. 事后比较：当发现方差分析存在显著差异时，需要进一步进行事后比较以确定差异所在。
使用SPSS进行探索式因素分析的教程
使用SPSS进行探索式因素分析的教程探索性因素分析是一种统计方法，用于确定一组变量之间的潜在结构。
SPSS是一种常用于数据分析的软件工具，它提供了强大的因素分析功能。
以下是一个使用SPSS进行探索性因素分析的简单教程，该教程可以帮助您了解如何使用SPSS来执行因素分析并对结果进行解释。
步骤1：导入数据步骤2：准备数据确保您的数据符合因素分析的前提条件。
确定您要进行因素分析的变量是否具有线性关系，并进行必要的数据转换（例如，对数转换）以满足这个条件。
步骤3：执行因素分析在SPSS的“分析”菜单下，选择“数据准备”和“因子”。
在弹出的对话框中，选择您要进行因素分析的变量并将其移动到“因子”框中。
选择“萃取方法”（如主成分分析或最大似然估计）并指定要提取的因素的数量。
您还可以选择执行因子旋转以获得更简单和解释性更强的因子结构。
步骤4：解读结果SPSS将生成一个因素分析的输出报告，其中包含多个表格和图形。
以下是一些常见的解读步骤：-总体解释：观察“总体解释”表，了解因子数量和提取方法的解释力度。
查看“因素”的特征值，了解提取的因子解释的总方差比例。
-因子负荷：查看“因子负荷”表，该表显示了原始变量与提取的因子之间的相关性。
较高的因子负荷表示原始变量与特定因子之间的较强关联。
-因子旋转：如果您选择了因子旋转，则查看“旋转因子载荷矩阵”表，该表显示了旋转后的因子负荷。
查看这些旋转后的因子负荷以确定是否存在更简单的因子结构。
-因子得分：根据选定的因子分析方法，可以生成每个观测值的因子得分。
这些得分表示了每个观测值在每个因子上的得分情况，可以用于后续的分析和解释。
步骤5：解释因子根据因子负荷和因子名称，解释每个因子代表的潜在结构。
结合领域知识和因子负荷，您可以确定每个因子是否与特定概念或潜在维度相关联。
步骤6：结果报告根据您的研究目的和需要，将因子分析的结果写入报告中。
确保清楚地描述因子数量、命名以及每个因子代表的结构或概念。
单因素分析的spss操作
单因素分析的spss操作
在SPSS中进行单因素分析的操作步骤如下：
1. 打开SPSS软件并加载数据集。
2. 选择菜单栏中的“分析”（Analyze）选项，并从下拉菜单中选择“比较均值”（Compare Means）。
3. 在弹出的子菜单中选择“独立样本T检验”（Independent-Samples T Test）或“单因素方差分析”（One-Way ANOVA），具体选择哪一种方法根据数据类型来决定。
4. 将需要进行分析的变量从“因素”的文本框中移动到“因素”框中，或将其从“因素”框中移除，具体操作根据需要来决定。
5. 点击“选项”（Options）按钮，根据需要选择不同的选项，如描述统计数据、置信区间、效应大小等。
6. 点击“确定”（OK）按钮，开始进行单因素分析。
7. SPSS将生成分析结果的输出窗口，其中包括各种统计指标，如均值、标准差、频数等，并进行相关的统计检验。
8. 可以利用SPSS提供的图表功能，如直方图、箱线图等，对数据进行可视化分析。
以上是在SPSS中进行单因素分析的一般步骤。
具体操作方法可能因SPSS版本的不同而略有差异，也可以根据数据类型和分析需求来调整具体的参数设置。
(整理)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：⒈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。
⒉因素分析（1）选择“AnalyzeData ReductionFactor…”命令，弹出“Factor Analyze”对话框，将变量“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“Factor Analyze:Desc riptives”（因素分析：描述性统计量）对话框，如图6-35所示。
①“Statistics”（统计量）对话框A “Univariate descriptives”（单变量描述性统计量）：显示每一题项的平均数、标准差。
B “Initial solution”（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。
②“Correlation Matric”（相关矩阵）选项框A “Coefficients”（系数）：显示题项的相关矩阵B “Significance levels”（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 “KMO and Bartlett’s test of sphericity”（KMO与Bartlett的球形检定）：显示KMO抽样适当性参数与Bartlett’s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。
利用SPSS进行因素分析
二、应用SPSS进行量表分析的步骤
问 题 从未 使用 1 很少 使用 2 有时 使用 3 经常 使用 4 总是 使用 5
题 项
A1
A2 A3 A4 A5 A6 A7
电脑
录音磁带 录像带 网上资料 校园网或因特网 电子邮件 电子讨论网
A8
A9
CAI课件
视频会议
A10 视听会议
题目 编号 01 02 03
特征值----是每个变量在某一共同因素之因素负荷量的平 方总和（一直行所有因素负荷量的平方和）。 如F1的特征值 G=（0.896）平方+（0.802）平方 +（0.516）平方+（0.841）平方 +（0.833）平方=3.113
特征值的总和等于实测变量的总数 方差贡献率----指公共因子对实测变量的贡献， 又称变异量 方差贡献率=特征值G/实测变量数p， 如F1的贡献率为3.113/5=62.26%
因子分析案例
公因子 F1 Z1=代数1 0.896 公因子 F2 0.341 共同度 hi 0.919 特殊因子
δi
0.081
Z2=代数2
Z3=几何 Z4=三角
0.802
0.516 0.841
0.496
0.855 0.444
0.889
0.997 0.904
0.111
0.003 0.096
Z56 .474 .401 .495 .605 .633
Extrac ti on Method: Princ ipal Component Anal ysis . a. 3 components extracted.
Extraction Method: Principal Component Analysis.
SPSS多因素方差分析
SPSS多因素方差分析多因素方差分析（ANOVA）是广泛应用于统计学中的一种技术，用于研究多个因素对一个或多个连续变量的影响。
这个方法可以帮助研究者确定哪些因素对所研究的问题有显著影响，以及不同因素之间的交互效应。
在SPSS中进行多因素方差分析的步骤如下：第一步是收集数据并导入SPSS中。
确保数据集中包含所有要研究的变量，包括一个或多个连续变量和一个或多个因素变量。
连续变量是要研究的主要变量，而因素变量是要考察其对结果变量的影响的自变量。
第二步是选择“分析”菜单中的“通用线性模型（GLM）”选项。
在该对话框中，将结果变量拖放到因变量窗口，并将因素变量拖放到因子1-因子n窗口中。
确保正确选择了想要研究的因素变量。
第三步是进行前提条件检验。
在多因素方差分析中，要检验因变量是否满足正态性假设和方差齐性假设。
在“通用线性模型（GLM）”对话框中，选择“图形”选项卡并勾选“残差统计”。
第四步是进行主要分析。
在“通用线性模型（GLM）”对话框中，选择“因子”选项卡。
在这里，可以选择添加交互项以考察不同因素之间的交互效应。
第五步是进行后续分析。
如果主要分析显示有显著的组间差异，则可以进行进一步的事后比较以确定哪些组之间有显著差异。
在“通用线性模型（GLM）”对话框中，选择“事后比较”选项卡，并选择适当的事后比较方法。
第六步是解释结果并报告分析结果。
通过主效应（主要因素的影响）和交互效应（不同因素之间的影响）来解读分析结果。
同时，也要包括各组之间的均值和差异的置信区间。
多因素方差分析在实际应用中有很多场景，比如在医学研究中，可以使用多因素方差分析来确定一些治疗对疾病的治疗效果；在教育研究中，可以使用多因素方差分析来确定不同教育方法对学生学习成绩的影响。
总之，SPSS提供了一个强大的工具来进行多因素方差分析。
通过遵循上述步骤，研究者可以在自己的数据集上进行多因素方差分析，并从中获取有关因素对结果变量的影响以及因素之间相互作用的重要信息。
利用SPSS进行因素分析
1
1
5
3
4
3
3
3
2
5
2
2
4
5
5
3
3
3
2
5
2
2
4
4
4
4
3
5
1
4
1
1
5
4
455源自5454
4
5
4
4
2
3
4
1
5
1
1
5
4
5
5
5
5
3
5
3
3
5
4
4
5
5
5
2
5
2
1
（01）建立数据文件
（02）选择分析变量 ——选SPSS [Analyze]菜单中的（Data Reduction）→
（Factor）,出现【 Factor Analysis】对话框； ——在【 Factor Analysis】对话框中左边的原始变量中，
（04）设置对因素的抽取选项 ——在【 Factor Analysis】框中点击【Extraction】按钮, 出现【 Factor Analysis:Extraction】对话框， ——在Method 栏中选择（Principal components）选项； ——在Analyze 栏中选择Correlation matrix选项； ——在Display 栏中选择Unrotated factor solution选项； ——在Extract 栏中选择Eigenvalues over 并填上 1 ； ——点击（Contiue）按钮确定，回到【 Factor Analysis】 对话框中。
（05）设置因素转轴 —— 在【 Factor Analysis】对话框中，点击【Rotation】 按钮，出现 【 Factor Analysis:Rotation 】（因素分析： 旋转）对话框。 —— 在Method 栏中选择 Varimax（最大遍变异法）, —— 在Display栏中选择 Rotated solution（转轴后的解） —— 点击（Contiue）按钮确定，回到【 Factor Analysis】 对话框中。
利用SPSS软件对量表进行因素分析
本节将介绍利用SPSS软件对量表进行处理分析。
在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。
项目分析，目的是找出未达显著水准的题项并把它删除。
它是通过将获得的原始数据求出量表中题项的临界比率值——CR值来作出判断。
通常，量表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够鉴别不同受试者的反应程度。
故往往在量表处理中可以省去这一步。
因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。
在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最常使用的方法。
信度分析，目的是对量表的可靠性与有效性进行检验。
如果一个量表的信度愈高，代表量表愈稳定。
也就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。
根据不同专家的观点，量表的信度系数如果在0.9以上，表示量表的信度甚佳。
但是对于可接受的最小信度系数值是多少，许多专家的看法也不一致，有些专家定为0.8以上，也有的专家定位0.7以上。
通常认为，如果研究者编制的量表的信度过低，如在0.6以下，应以重新编制较为适宜。
在本节中，主要介绍利用SPSS软件对量表进行因素分析。
一、因素分析基本原理因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。
在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。
变量的第一个线性组合可以解释最大的变异量，排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。
主成份数据分析中，以较少成份解释原始变量变异量较大部份。
成份变异量通常用“特征值”表示，有时也称“特性本质”或“潜在本质”。
因素分析是一种潜在结构分析法，其模式理论中，假定每个指针（外在变量或称题项）均由两部分所构成，一为“共同因素”、一为“唯一因素”。
SPSS因子分析(因素分析)——实例分析
SPSS因子分析(因素分析)——实例分析SPSS因子分析(因素分析)——实例分析SPSS（Statistical Package for the Social Sciences）是一种广泛应用于数据分析的软件工具，其中的因子分析（Factor Analysis）被广泛用于统计学和社会科学领域的研究。
本文将通过一个实例分析来介绍SPSS因子分析的基本原理和步骤。
1.研究背景在实施因子分析之前，首先需要明确研究背景和目的。
假设我们正在研究消费者购物行为，并希望确定出不同因素对于购物偏好的影响。
2.数据收集和准备在进行因子分析前，需要收集并准备相关数据。
假设我们已经收集到了100位消费者的关于购物行为的调查问卷数据，包括10个关于购物偏好的变量。
在SPSS中，我们可以将这些数据输入到一个数据矩阵中，每一行代表一个消费者，每一列代表一个变量。
3.因子分析设置在SPSS中，通过导航菜单选择适当的分析工具来进行因子分析。
在设置选项中，我们可以选择因子提取方法（如主成分分析、极大似然法等）和旋转方法（如方差最大旋转、斜交旋转等）等。
根据实际情况，我们可以调整这些参数以获得最佳结果。
4.因子提取在因子分析的第一步中，SPSS会计算每个变量的因子载荷矩阵，并根据设定的准则提取出主要因子。
因子载荷表示了每个变量与每个因子之间的关联程度，值越大表示关联程度越高。
通过因子载荷矩阵，我们可以判断每个变量对于哪个因子具有较高的影响。
5.因子旋转因子旋转可用于调整因子载荷矩阵，以使其更易于解释。
旋转后的因子载荷矩阵通常会呈现出更简洁、更有意义的结果。
在SPSS中，我们可以选择合适的旋转方法并进行旋转操作。
6.因子解释和命名在完成因子分析后，我们需要对结果进行解释和命名。
根据因子载荷矩阵和旋转结果，我们可以确定每个因子代表了哪些变量，并为每个因子赋予一个描述性的名称，以便于后续的数据分析和报告撰写。
7.结果解读最后，根据因子分析的结果，我们可以进行一系列的统计推断和解读。
SPSS-第10单元-因素分析
第10页，共58页。
在研究中，因子分析得到的结果经常用于综合 判定。
第55页，共58页。
小结
SPSS应用
因子分析是由Charles Spearman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。
第27页，共58页。
SPSS应用
第28页，共58页。
9.1.7 计算因子得分
SPSS应用
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。
SPSS应用
图9-3 “Factor Analysis：Descriptives”对话框
第35页，共58页。
SPSS应用
图9-4 “Factor Analysis：Extraction”对话框
第36页，共58页。
SPSS应用
图9-5 “Factor Analysis：Rotation”对话框
第37页，共58页。
第29页，共58页。
SPSS应用
第30页，共58页。
SPSS应用
9.2 SPSS中实现过程
9.2.1 SPSS中实现步骤
熟练使用SPSS进行单因素方差分析
熟练使用SPSS进行单因素方差分析
一、单因素方差分析介绍
单因素方差分析又称因子方差分析，是分析两组或多组数据中变量之
间差异大小的统计方法。
它利用方差分析检验对比数据之间的统计学差异，检验其中一成分是否有一定的影响，而其他成分是否能够有一定的共同作用。
单因素方差分析的设计以及分析结果解释与双因素方差分析大体类型，但是单因素方差分析只有一个变量，因果关系没有双因素方差分析的那么
清楚，只能用于衡量数据之间的统计学差异。
二、SPSS进行单因素方差分析步骤
1.打开spss统计软件，进入数据文件，“新建”，双击“统计分析”，“ANOVA”，“一因子方差分析”菜单，可以调出一因子方差分析
的菜单
2.选择数据输入框，点击“定义变量”，在工具栏出现的表格中，双
击“变量名”栏位，输入分析变量的名称（建议以英文字母表示）
3.点击定义按钮，定义变量类型，选择“基本类型”，输入变量名，
点击确定按钮
4.在定义按钮下，右击工具栏中的“数据”栏位，然后点击“设定数据”，在设定数据窗口中，选择“任何变量”，输入变量的值，点击确定
按钮，完成变量定义
5.点击完成按钮，输入变量名，点击确定按钮，至此。
利用SPSS进行因素分析
——在Coefficient Display Format(系数显示格式)栏中选
择Sorted by size（依据因素负荷量排序）项；
——在Coefficient Display Format(系数显示格式)
勾选“Suppress absolute values less than”，其后空
格内的数字不用修改，默认为0.1。
-. 19 4
. 28 7
A6
. 87 4
-. 20 6
. 24 5
A7
. 82 3
. 47 4
-. 12 9
A9
. 81 3
. 40 1
-. 37 7
A 10
. 75 3
. 49 5
-. 35 8
A2
-. 57 4
. 60 5
. 20 6
A3
-. 16 4
. 63 3
. 68 7
Ex traction Method: Principa l Co mponent A na lys is.
5
4
5
4
4
4
3
5
2
2
13
3
5
5
2
2
2
1
3
1
1
14
5
3
4
3
3
3
2
5
2
2
15
4
5
5
3
3
3
2
5
2
2
16
4
4
4
4
3
5
1
4
1
1
17
5
4
4
SPSS单因素和多因素方差分析法
SPSS单因素和多因素方差分析法SPSS是一种广泛应用于社会科学研究中的数据分析软件。
它提供了一系列功能强大的统计工具，用于分析各种数据。
在SPSS中，单因素和多因素方差分析法是常用的统计方法之一，用于比较两个或多个组之间的差异。
单因素方差分析法又称单变量方差分析，用于比较一个自变量（也称为因子或组别）对于一个因变量（也称为依变量或观察变量）的影响。
它适用于多个组之间存在一个自变量的情况。
例如，假设我们想要比较三种不同讲义对学生阅读理解成绩的影响，我们可以将讲义视为自变量，阅读理解成绩视为因变量。
通过单因素方差分析，我们可以确定这三个组之间是否存在显著差异。
多因素方差分析法又称多变量方差分析，用于比较两个或多个自变量对于一个因变量的影响。
它适用于多个组之间存在多个自变量的情况。
例如，假设我们想要比较四种不同肥料对植物生长的影响，我们可以将肥料的种类和施肥时间视为两个自变量，植物生长情况视为因变量。
通过多因素方差分析，我们可以确定这四个组之间是否存在显著差异，并确定哪个自变量或哪些自变量对于植物生长有较大的影响。
在SPSS中进行单因素和多因素方差分析的步骤大致相似。
首先，我们需要将数据输入到SPSS中。
然后，我们需要选择适当的分析方法。
对于单因素方差分析，我们选择“统计”菜单下的“方差分析”选项。
对于多因素方差分析，我们选择“统计”菜单下的“一般线性模型”选项。
接下来，我们需要选择自变量和因变量，并指定相应的因子水平或组别。
最后，我们需要运行分析并查看结果。
分析结果包括多个方面的信息。
首先，我们可以看到各组之间的均值差异以及是否显著。
通过协方差差异分析表，我们可以判断方差分析的显著水平。
如果方差分析的显著水平小于0.05，则说明至少有一组之间存在显著差异。
此外，还可以查看效应大小，以确定自变量对因变量的影响程度。
最后，通过多重比较（如Tukey's HSD），我们可以确定哪些组之间存在显著差异。
SPSS数据分析—单因素及多因素方差分析
SPSS数据分析—单因素及多因素方差分
析
T检验可以用于解决单个样本或两个样本的均值比较问题。
但是，当涉及到两个以上的样本时，就不能使用T检验，而
需要使用方差分析。
方差分析是基于变异分解的思想，利用F
分布进行比较。
在算法方面，由于线性模型的引入，在SPSS中，方差分
析可以在比较均值和一般线性模型菜单中完成。
在适用条件方面，方差分析和两个独立样本的T检验一样，也需要满足独立性、正态性和方差齐性。
方差分析的原假设是n个样本的均值相同或n个样本来自同一个总体，或自变量对因变量没有影响。
由于涉及到两组以上的样本进行分析，因此除了需要说明多个样本均值是否有差异之外，还需要进一步说明哪些样本存在差异，因此需要进行多重比较。
在SPSS中，可以通过分析-比较均值-单因素ANOVA或
分析-一般线性模型-单变量来进行方差分析。
在一般线性模型
菜单中，方差分析更加具体细致，可以根据线性模型的思想进行分析。
SPSS因子分析(因素分析)——实例分析
SPSS因子分析(因素分析)——实例分析提起因子分析那是老生常谈，分析人士大都喜欢讨论主成分与因子分析。
我也凑个热闹，顺便温习温习，时间长了就会很模糊。
一、概念探讨存在相关关系的变量之间，是否存在不能直接观察到的但对可观测变量的变化其支配作用的潜在因子的分析方法就是因子分析，也叫因素分析。
通俗点：原始变量是共性因子的线性组合。
二、简单实例现在有12个地区的5个经济指标调查数据（总人口、学校校龄、总雇员、专业服务、中等房价），为对这12个地区进行综合评价，请确定出这12 个地区的综合评价指标。
点击下载三、解决方案1、不同地区的不同指标不同，这导致目前我们拥有的5个指标数据很难对这12个地区给一个明确的评价。
所以，有必要确定综合评价指标，便于对比。
因子分析是一种选择，当然还有其他的方法。
5个指标即为我们分析的对象，直接选入。
2、描述统计选项卡。
我们要对比因子提取前后的方差变化，所以选定“初始分析结果”；现在是基于相关矩阵提取因子，所以，选定相关矩阵的“系数”；比较重要的还有KMO和球形检验，它告诉我们数据是不是适合做因子分析。
选定。
其他选择自定。
3、抽取选项卡。
提取因子的方法有很多，最常用的就是主成分法。
这里选主成分。
关于特征值，不想解释太多，这和显著性水平一样，都是统计学的一个基本概念。
因为参与分析的变量测度单位不同，所以选择“相关矩阵”，如果参与分析的变量测度单位相同，则考虑选用协方差矩阵。
4、是否需要旋转？因子分析要求对因子给予命名和解释，对因子旋转与否取决于因子的解释。
如果不经旋转因子已经很好解释，那么没有必要旋转，否则，应该旋转。
这里直接旋转，便于解释。
至于旋转就是坐标变换，使得因子系数向1和0靠近，对公因子的命名和解释更加容易。
5、要计算因子得分，就必须先写出因子的表达式。
而因子是不能直接观察到的，是潜在的。
但是可以通过可观测到的变量获得。
前面说到，因子分析模型是原始变量为因子的线性组合，现在我们可以根据回归的方法将模型倒过来，用原始变量也就是参与分析的变量来表示因子。
SPSS第6单元多因素方差分析
数学 99.00 88.00 99.00 89.00 94.00 90.00 79.00 56.00 89.00 99.00 70.00 89.00 55.00 50.00 67.00 67.00 56.00 56.00
组别 0 0 0 0 0 0 2 2 2 2 2 2 1 1 1 1 1 1
SPSS应用
图5-9 “Univariate: Options”对话框 （一）
SPSS应用
图5-10 “Univariate:
Post Hoc Multiple Comparisons for Observed Means”对话框
SPSS应用
SPSS应用
图5-11 “Univariate：Model”对话框
SPSS应用
图5-12 “Univariate：Profile Plots”对话框
SPSS应用
图5-13 “Univariate：Contrasts”对话框
5.3.3 结果和讨论
SPSS应用
（1）SPSS输出结果文件中的第一部分如 下两表所示。
SPSS应用
（2）输出的结果文件中第二部分如下表所示
SPSS应用
多因素方差分析（Univariate）是检验两 个或两个以上因素变量（自变量）的不同水平 是否给一个（或几个相互独立的）因变量造成 了显著的差异或变化的分析方法。
SPSS应用
多因素方差分析包含一个因变量，至少两个 自变量（因素）每个因素把被试区分为至少 两个实验水平，因变量必须是连续型变量。 多因素设计的方差分析过程通常分两步，首 先对因素主效应和交互效应进行综合检验，如 果效应显著，然后再作进一步检验。
性别 male female male male female male male female male male female male female male female male female male
主次因素分析法spss
主次因素分析法spss
主次因素分析法就是排列图法，就是将影响工程质量的各种因素，按照出现的频数，从大到小的顺序排列在横坐标上，在纵坐标上标出因素出现的累积频数，并画出对应的变化曲线的分析方法。
排列图由两个纵坐标、一个横坐标、若干个直方图形和一条曲线组成。
其中左边的纵坐标表示频数，右边的纵坐标表示频率，横坐标表示影响质量的各种因素。
若干个直方图形分别表示质量影响因素的项目，直方图形的高度则表示影响因素的大小程度，按大小顺序由左向右排列，曲线表示各影响因素大小的累计百分数。
这条曲线称为帕累特曲线。
因素分析法的最大功用，就是运用数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（07）设置因素分析的选项 07） ——在【 Factor Analysis】对话框中，单击【Options】 Analysis】对话框中，单击【Options】 在 按钮， 因素分析： 按钮，出现 【 Factor Analysis:Options 】（因素分析： 选项）对话框。 选项）对话框。 ——在Missing Values 栏中选择Exclude cases listwise 栏中选择Exclude 在 完全排除遗漏值) (完全排除遗漏值) ——在Coefficient Display Format(系数显示格式)栏中选 Format(系数显示格式 系数显示格式) 在 size（依据因素负荷量排序） 择Sorted by size（依据因素负荷量排序）项； ——在Coefficient Display Format(系数显示格式) Format(系数显示格式 系数显示格式) 在 勾选“Suppress absolute values less than”，其后空 勾选“ than ， 格内的数字不用修改，默认为0.1 0.1。 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 如果研究者要呈现所有因素负荷量， 如果研究者要呈现所有因素负荷量 than”选项 选项。 “Suppress absolute values less than 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， 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。 应呈现题项完整的因素负荷量较为适宜。 ——单击“Continue”按钮确定。 单击“Continue 按钮确定。 单击 按钮确定
A7 1 1 1 2 1 2 2 1 2 3 2 3 1 2 2 1 4 1 3 2
A8 1 2 4 4 4 3 4 1 4 5 5 5 3 5 5 4 5 5 5 5
A9 1 1 1 2 1 2 1 1 1 3 2 2 1 2 2 1 4 1 3 2
A10 1 1 1 2 1 1 1 1 1 3 2 2 1 2 2 1 4 1 3 1
二、应用SPSS进行量表分析的步骤 应用SPSS进行量表分析的步骤 SPSS
问 题 A1 A2 A3 A4 A5 A6 A7 A8 A9 电脑 录音磁带 录像带 网上资料 校园网或因特网 电子邮件 电子讨论网 CAI课件 视频会议 从未 使用 1 很少 使用 2 有时 使用 3 经常 使用 4 总是 使用 5
（03）设置描述性统计量 03） ——在【 Factor Analysis】框中选【 Descriptives…】 Analysis】框中选【 Descriptives… 在 按钮，出现【 对话框； 按钮，出现【 Descriptives 】对话框； ——选择 Initial solution （未转轴的统计量）选项 未转轴的统计量） 选择 ——选择KMO 选项 选择KMO 选择 ——点击（Contiue）按钮确定。 点击（ 点击 Contiue）按钮确定。
因子分析案例
公因子 F1 Z1=代数 代数1 Z2=代数 代数2 Z3=几何 Z4=三角 Z5=解析几何 特征值 G 方差贡献率 变异量） （变异量） 0.896 0.802 0.516 0.841 0.833 3.113 62.26% 公因子 F2 0.341 0.496 0.855 0.444 0.434 1.479 29.58% 共同度 hi 0.919 0.889 0.997 0.904 0.882 4.959 91.85% 特殊因子
特征值的总和等于实测变量的总数 方差贡献率----指公共因子对实测变量的贡献， 方差贡献率----指公共因子对实测变量的贡献， ----指公共因子对实测变量的贡献 又称变异量 方差贡献率=特征值G/实测变量数p G/实测变量数 方差贡献率=特征值G/实测变量数p， F1的贡献率为 的贡献率为3.113/5=62.26% 如F1的贡献率为3.113/5=62.26%
（01）建立数据文件 01）
（02）选择分析变量 02） ——选SPSS [Analyze]菜单中的（Data Reduction）→ [Analyze]菜单中的 菜单中的（ Reduction） 选 Factor） 出现【 Analysis】对话框； （Factor）,出现【 Factor Analysis】对话框； ——在【 Factor Analysis】对话框中左边的原始变量中， 在 Analysis】对话框中左边的原始变量中， 选择将进行因素分析的变量选入（Variables） 选择将进行因素分析的变量选入（Variables）栏。
（04）设置对因素的抽取选项 04） ——在【 Factor Analysis】框中点击【Extraction】按钮, Analysis】框中点击【Extraction】按钮, 在 出现【 Analysis:Extraction】对话框， 出现【 Factor Analysis:Extraction】对话框， ——在Method 栏中选择（Principal components）选项； 栏中选择（ components）选项； 在 ——在Analyze 栏中选择Correlation matrix选项； 栏中选择Correlation matrix选项 选项； 在 ——在Display 栏中选择Unrotated factor solution选项； 栏中选择Unrotated solution选项 选项； 在 ——在Extract 栏中选择Eigenvalues over 并填上 1 ； 栏中选择Eigenvalues 在 ——点击（Contiue）按钮确定，回到【 Factor Analysis】 点击（ Analysis】 点击 Contiue）按钮确定，回到【 对话框中。 对话框中。
（06）设置因素分数 06） —— 在【 Factor Analysis】对话框中，点击【Scores】 Analysis】对话框中，点击【Scores】 按钮， 因素分析： 按钮，出现 【 Factor Analysis: Scores 】（因素分析： 分数）对话框。 分数）对话框。 —— 一般取默认值。 一般取默认值。 —— 点击（Contiue）按钮确定，回到【 Factor Analysis】 点击（Contiue）按钮确定，回到【 Analysis】 对话框。 对话框。
因子分析数学模型
Z1= a11F1 + a12F2 + … + a1mFm + 1 Z2= a21F1 + a22F2 + … + a2mFm + 2
……
Zp= ap1F1+ ap2F2 + … + apmFm + p 其中Z 代表有i 个实测变量； 其中 1…… Zp 代表有 ……p个实测变量； 个实测变量 F1 ……Fm代表有j ……m个公共因子； 代表有 个公共因子； 个公共因子 a11 …… apm代表第 个实测变量 i在第 个因子 j上的负 代表第i个实测变量 在第j个因子 个实测变量Z 个因子F 即实测变量Z 与因子F 上的相关系数r 它反映了Z 荷，即实测变量 i与因子 j上的相关系数 ij，它反映了 i依赖 于因子F 的程度，也反映了Z 在因子F 上的相对重要性。 于因子 j的程度，也反映了 i在因子 j上的相对重要性。
δi
0.081 0.111 0.003 0.096 0.118 0.409
体现逻辑思维和运算能力， F1 体现逻辑思维和运算能力，F2 体现空间思维和推理能力
因子分析几个基本概念
因子负荷量----是指因素结构中原始实测变量与因素分析 因子负荷量----是指因素结构中原始实测变量与因素分析 ---时抽取出共同因素的相关程度。在因素分析中， 时抽取出共同因素的相关程度。在因素分析中，用两个重 要指标“共同度” 特殊因子”描述。 要指标“共同度”和“特殊因子”描述。 共同度----就是每个变量在每个共同因素之负荷量的平方 共同度----就是每个变量在每个共同因素之负荷量的平方 ---总和（一横列中所有因素负荷量的平方和）。 ）。从共同性的 总和（一横列中所有因素负荷量的平方和）。从共同性的 大小可以判断这个原始实测变量与共同因素间之关系程度。 大小可以判断这个原始实测变量与共同因素间之关系程度。 如共同度h =(0.896)平方+(0.341)平方=0.919。 平方+(0.341)平方=0.919 如共同度h1=(0.896)平方+(0.341)平方=0.919。 特殊因子----各变量的唯一因素大小就是1 特殊因子----各变量的唯一因素大小就是1减掉该变量共 ----各变量的唯一因素大小就是 同度的值。 i=1同度的值。如 δi=1- 0.919 = 0.081 i=1
应用SPSS进行 进行 应用 因素分析
李克东 2005-02
一、因素分析的基本原理 应用SPSS SPSS进行因素分析的步骤 二、应用SPSS进行因素分析的步骤 SPSS因素分析结果的解释 三、对SPSS因素分析结果的解释
一、因素分析的基本原理
因素分析就是将错综复杂的实测变量归结为少数几个因子 的多元统计分析方法。 的多元统计分析方法。其目的是揭示变量之间的内在关联 简化数据维数，便于发现规律或本质。 性，简化数据维数，便于发现规律或本质。 因素（因子）分析（ Analysis)的基本原理是根据 因素（因子）分析（Factor Analysis)的基本原理是根据 相关性大小把变量分组， 相关性大小把变量分组，使得同组变量之间的相关性较 不同组变量之间相关性较低。 高，不同组变量之间相关性较低。每组变量代表一个基本 结构，这个结构用公共因子来进行解释。 结构，这个结构用公共因子来进行解释。 因素分析的目的之一，即要使因素结构的简单化， 因素分析的目的之一，即要使因素结构的简单化，希望以最 少的共同因素，能对总变异量作最大的解释， 少的共同因素，能对总变异量作最大的解释，因而抽取得因 素愈少愈好，但抽取因素的累积解释的变异量愈大愈好。 素愈少愈好，但抽取因素的累积解释的变异量愈大愈好。 在因素分析的共同因素抽取中， 在因素分析的共同因素抽取中，应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， 同因素，其次是次大者，最后抽取共同因素的特征值最小， 通常会接近0 通常会接近0。