spss因子分析详细步骤

因子分析详细步骤

KMO 和 Bartlett 的检验

使用因子分析进行信息浓缩研究，首先分析研究数据是否适合进行因子分析，从上表可以看出：KMO为0.876，大于0.6，满足因子分析的前提要求，意味着数据可用于因子分析研究。以及数据通过Bartlett 球形度检验(p<0.05)，说明研究数据适合进行因子分析。

2.方差解释率表格

主要用于判断提取多少个因子合适。以及每个因子的方差解释率和累计方差解释率情况。方差解释率越大说明因子包含原数据信息的越多。因子分析中，主要关注旋转后的数据部分。

从上表可知：累积方差解释率值为78.213%，说明提取出来的4个因子可以提取出总共11项中78.213%的信息量，而且四个因子的方差解释率（信息提取量）分别为：21.407%，21.277%，20.807%和14.723%。信息提取量分布较为均匀，综合说明本次因子分析结果良好。

补充说明：如果研究人员并没有预设维度。而选择默认选项，SPSSAU默认以特征根大于1作为标准。当然因子分析通常需要综合自己的专业知识综合判断，即使是特征根值小于1，也一样可以提取因子。

3.旋转后因子载荷系数表格

从上表可知：所有研究项对应的共同度值均高于0.4，意味着研究项和因子之间有着较强的关联性，因子可以有效的提取出信息。最终对浓缩出来的四个因子进行分别命名为：A，B，C和D维度。

4.碎石图

同时可结合碎石图辅助判断因子提取个数。当折线由陡峭突然变得平稳时，陡峭到平稳对应的因子个数即为参考提取因子个数。实际研究中更多以专业知识，结合因子与研究项对应关系情况，综合权衡判断得出因子个数。

补充说明：因子计算权重

6.成份得分系数矩阵

7.载荷图

载荷图用于展示各因子与载荷值关系情况，建议结合实际情况使用即可。

第一：如果提取1个成分（或因子）时，则无法展示载荷成分图；

第二：如果超过个成分（或因子）时，可自主切换查看对应的载荷图。

其中X轴Y轴可以更改如下：

8.线性组合系数及权重结果

本文来自作者[本玉惠]投稿，不代表巨商报立场，如若转载，请注明出处：https://91zxpc.com/zx/2443.html