SPSS探索性分析的作用 SPSS探索性分析是否服从正态分布检验

品牌型号：联想ThinkBook

系统：windows10 64位旗舰版

软件版本：IBM SPSS Statistics 29.0

在数据分析领域，如果研究者处于数据收集和分析的初始阶段，繁杂数据尚未进行维度或者组别的划分，就可以使用SPSS探索性分析的方法来寻找共同变量维度。本文以SPSS探索性分析的作用，SPSS探索性分析是否服从正态分布检验这两个问题为例，带大家了解一下SPSS探索性分析的知识。

一、SPSS探索性分析的作用

一般来讲，探索性分析是借助少数几个因子维度来描述多个数据变量之间的关系，目的在于数据降维和识别变量之间的潜在关系，经常被用来探究问卷的多个测量题项是否可以归为几个共同的维度。

1、下图是对华南地区青年人群在受教育程度、媒介接触渠道、户外活动、人际关系等生活情况的调查问卷，我们以下列部分题项为例，展示一下如何进行SPSS探索性分析的方法操作和具体应用。

2、案例数据涉及被调查人群的性别、年收入、政治面貌等基本情况，这里以代表青年群体生活情况的日常阅读、朋友聚会以及受教育信息为例，把您目前的最高教育水平、大学等级、过去一年阅读报纸频率、过去一年阅读杂志频率、与不住在一起的朋友见面频率、与朋友聚会频率这六个题项放入变量内容中。

3、接下来进入因子分析的描述窗口，选择统计模块的【初始解】选项，再将相关性矩阵模块的系数、KMO和巴特利特球形度检验两个功能按键勾选，这样做是为了首先确认案例数据是否适合进行因子分析，如果KMO检验的相关数值过低，则不满足进行探索性分析的前提条件。

4、然后我们把因子提取的方法设置为主成分，依然是进行相关性矩阵的分析，并且使统计表格显示未旋转因子解和碎石图。碎石图是根据特征值降序排序绘制的坡线图，检验标准是选取坡线突然大幅度起伏的因素。

二、SPSS探索性分析是否服从正态分布检验

除了想要判断多个问卷题项可以归纳为几个共同维度，研究者通常需对问卷数据进行正态性检验，即查看变量数据是否服从正态分布的情况，常见方法包括直方图法、科尔莫戈罗夫检验法、夏皮罗—威尔克检验法。

1、按照上述步骤，我们得到华南地区青年人群部分调查数据的KMO检验结果，取样适切性量数为0.775，显著性数值小于0.05，表示案例数据可以进行因子分析，后续的因子分析结果具有一定的可靠性和准确性。

2、下图表格的第三列指的是提取的共同估计值，可以作为筛选问卷题项是否合适的标准，如果提取列数值的共同度低于0.2，研究者需要考虑将相关题项剔除或者替代，并且重新进行变量共同维度的测量和分析。

3、在总方差解释表格，我们通常只看特征值大于1的成分，下图显示有三个特征值分别为1.692、1.553、1.476的主成分，累计方差贡献率达到78.689%，表示三个主成分可以解释的总变化量达到78.689%。

4、旋转因子是为了获取数据分析的简单结构，使每个问卷题项都能够归属于一个明确的主成分。下图数值结果显示，最高受教育程度和大学等级划定为成分2，载荷系数分别为0.877和0.876，过去一年阅读报纸频率和过去一年阅读杂志频率划定为成分1，载荷系数分别为0.918和0.917，与不住在一起的亲戚聚会和与朋友聚会划定为成分3，载荷系数均为0.866。

三、小结

以上就是SPSS探索性分析的作用，SPSS探索性分析是否服从正态分布检验的解答。探索性分析可以用作判断问卷多个题项是否可以归为共同维度，进而帮助研究者高效梳理繁杂数据。最后，也欢迎大家前往SPSS的中文网站，学习更多关于数据分析的操作技巧。