IBM SPSS Statistics 中文网站 > 使用技巧 > IBM SPSS Statistics利用因子分析进行成分提取

IBM SPSS Statistics利用因子分析进行成分提取

发布时间:2021-07-15 11: 14: 47

当我们的研究数据集指标过多,不利于我们进行后期的分析和研究时,我们就可以通过因子分析法,对指标成分进行提取,进而减少总体的指标数目,同时也能去除一些相关性较小的指标,提高算法的分析准确率。

IBM SPSS Statistic软件提供了因子分析工具,帮助我们进行成分提取,下面我们来看看如何实现。

一、操作步骤

我们准备了Q1到Q25这25个研究指标,其中指标都是有序的分类变量,符合因子分析的前提条件。首先我们在分析菜单中,选择降维中的因子工具,如图1。

图1:因子分析工具
图1:因子分析工具

我们将25个研究指标全部放入到右侧的“变量”栏中,然后点击“描述”按钮。

图2:放入变量栏
图2:放入变量栏

“描述”界面中,勾选上“初始解”、相关性矩阵中的“系数”、“再生”、“反映像”和“KMO和巴特利特球形度检验”。

图3:描述界面
图3:描述界面

回到上个界面中点击“提取”,在提取界面中方法选择“主成分”,分析选用相关性矩阵。

另外,下方的提取项中,我们要根据自身的需求进行选择,如果选择基于特征值大于1进行成分提取,那么如果没有特征值大于1的成分,SPSS将不会为我们进行提取;如果选择固定数目提取因子,那么无论因子特征值多少,SPSS都会为我们提取前几个固定的因子。

图4:提取界面
图4:提取界面

之后点击“得分”选项,在得分界面中,勾选“保存为变量”,方法选用“回归”方法,这样会将我们提取的特征成分保存为新的变量,便于后期的统计分析。

图5:保存为变量
图5:保存为变量

二、结果说明

通过上述的设置,SPSS为我们生成了7个结果表格,我们看其中的“KMO和巴特利特检验”表格的KMO检验系数值,可以看到值为0.828。一般认为,该系数大于0.8时,因子分析提取的结果才有较好的实用性。

图6:KMO和巴特利特检验
图6:KMO和巴特利特检验

再看“总方差解释”表格,我们可以看到得分大于1的有五个成分,由于上方我们选择特征值大于1的成分因子进行提取,因此在本次演示案例中,SPSS将为我们从25个指标中提取出5个主要的成分。

图7:总方差解释

下图8红框标出的指标即为SPSS为我们提取的成分指标。

图8:新成分指标

在本文中,我们利用了SPSS因子分析工具,使用其中的主成分分析法,对指标成分进行了分析,并提取其中特征值大于1的前五个成分。因子提取在大数据量和多指标的数据集中,应用是非常广泛的,SPSS给我们提供了这样的一个工具,非常有利于我们后期的统计工作。

作者署名:包纸

展开阅读全文

标签:SPSS因子分析重复测量

读者也访问过这里:
SPSS Statistics
强大的数据分析平台
立即购买
微信群
官方微信群 立即加群
400-8765-888 kefu@makeding.com
热门文章
SPSS数据分析显著性差异分析步骤 SPSS显著性差异分析结果怎么看
数据的显著性差异分析主要有三种方法,分别是卡方检验、T检验和方差分析。这三种方法都有具体的数据要求:卡方检验是对多个类别的数据进行分析,T检验是对两组数据进行分析,方差分析是对多组数据进行检验。下面,小编具体说明一下SPSS数据分析显著性差异分析步骤,SPSS显著性差异分析结果怎么看。
2022-01-07
spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读
spss多元线性回归分析操作步骤,本文会以客流量、销售量与销售额的线性关系演示spss的多元线性回归分析操作步骤,并进行spss多元线性回归分析结果解读。
2022-05-07
实践SPSS单因素方差分析之检验结果解读
在《实践SPSS单因素方差分析之变量与检验方法设置》一文中,我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。
2021-01-11
spss如何做显著性分析 spss显著性差异分析怎么标abc
在统计分析中,显著性分析是分析相关因素之间是否存在显著影响关系的关键性指标,通过它可以说明分析结论是否由抽样误差引起还是实际相关的,可论证分析结果的准确性。下面大家一起来看看用spss如何做显著性分析,spss显著性差异分析怎么标abc。
2022-03-14
spss怎么做逐步回归分析 逐步回归分析spss结果解读
spss怎么做逐步回归分析?逐步回归分析是多元线性回归分析的一种,可通过spss回归分析中的“步进”法来做逐步回归分析。本文会运用例子演示逐步回归分析步骤,并进行逐步回归分析spss结果解读。
2022-05-12
SPSS多元logistic回归分析的使用技巧
回归分析是数据处理中较为常用的一类方法,它可以找出数据变量之间的未知关系,得到较为符合变量关系的数学表达式,以帮助用户完成数据分析。
2021-04-26
最新文章
spss合并文件的操作步骤 spss合并文件变量怎么配对
可以使用两种方式合并两个数据文件中的数据,一是包含相同个案但不同变量的数据集,另一个是包含相同变量但不同个案的数据集,本文主要向大家介绍如何合并包含相同个案但不同变量的数据集。关于SPSS合并文件的操作步骤是什么,SPSS合并文件变量怎么配对,结合实例,向大家作简单介绍。
2023-11-06
spss计算变量如何计算平方 spss计算变量如何全选
以变量为单位管理并处理数据,是使用SPSS进行建模统计分析的基础。对于有经验的数据分析工作者,这部分工作要占整个统计分析工作的70%以上。管理变量大致包括两部分内容,变量赋值(或称为变量计算)和变量转化。本文主要向大家介绍变量计算的内容,例如SPSS计算变量如何计算平方,SPSS计算变量如何全选。
2023-11-04
spss卡方检验结果线性关联是什么 spss卡方检验结果没有连续性校正
对于两组连续性变量,一般通过回归分析判断两者是否存在相关关系。对于离散型变量,则需借助卡方检验判断两者之间是否存在相关关系。变量数据类型不同,SPSS卡方检验提供的结果形式也有所不同,因此很多用户会感到不解。本文结合实例向大家介绍SPSS卡方检验结果线性关联是什么,SPSS卡方检验结果没有连续性校正原因是什么。
2023-11-02
spss回归分析如何操作 spss回归分析的基本步骤
通过回归分析,可以了解变量间是否存在相互依赖的定量关系。根据方程类型,回归分析可以分为线性回归和非线性回归。根据变量的数目多少,回归分析可以分为一元回归分析和多元回归分析。本文以最简单的一元线性回归分析为例向大家介绍SPSS回归分析如何操作,SPSS回归分析的基本步骤。
2023-10-31
spss方差齐性检验如何操作 spss方差齐性检验怎么看方差齐不齐
方差的大小代表了数据分布的离散程度,方差大,数据分布越分散,方差小,数据分布越集中。组间数据分布离散程度差别较大时,是不能进行比较的,此时不能确定两组数据的差异来源于组间还是组内,因此方差齐性检验是进行组间数据比较的基础。关于SPSS方差齐性检验如何操作,SPSS方差齐性检验怎么看方差齐不齐,本文借助实例,向大家作简单介绍。
2023-10-25
spss线性回归图怎么做 spss线性回归图怎么看结果
借助回归分析,我们可以了解到两组变量是否存在具有统计学意义的依赖关系,描述这种依赖关系的方程是什么,方程可以在多大程度上解释因变量的变化。使用SPSS,不仅可以简便的完成回归分析,还可以为变量绘制散点图,便于大家直观的了解变量间关系。关于SPSS线性回归图怎么做,SPSS线性回归图怎么看结果,本文借助实例,向大家做简单的介绍。
2023-10-25

微信公众号

欢迎加入 SPSS 产品的大家庭,立即扫码关注,获取更多软件动态和资源福利。

读者也喜欢这些内容: