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
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
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赋值后为什么显示不出来 spss赋值后为什么空白不显示
在现代数据分析中,SPSS(统计产品与服务解决方案)被广泛应用于社会科学、市场研究和健康科学等领域。尽管其功能强大,但在实际操作中,用户可能会遇到一些问题,例如赋值后数据不显示或空白。本文将探讨这些问题,并提供解决方案。
2024-06-14
spss异常值设置在哪里操作 spss异常值筛选后如何处理
在数据分析过程中,异常值是一个常见的问题,它可能会对分析结果产生影响。因此,正确处理异常值是非常重要的。本文将探讨SPSS如何处理异常值的方法。关于SPSS异常值设置在哪里操作,SPSS异常值筛选后如何处理的内容,本文向大家作简单介绍。
2024-05-22
spss去除无效数据方法 spss去除极端值方法
统计学是一门旨在收集、分析和解释数据的学科。在统计学中,数据的准确性和有效性至关重要。然而,有时候我们会遇到无效数据,这些数据可能是错误的、缺失的或者不完整的,它们会对统计结果产生严重的影响。使用SPSS对数据进行统计时,也常常会面对这些问题,关于SPSS去除无效数据方法,SPSS去除极端值方法的内容,本文向大家作简单介绍。
2024-05-08
spss异常值处理办法 spss异常值检验步骤
SPSS异常值检查是数据分析中一个非常重要的步骤。异常值指的是数据集中与其他观测值明显不同的数值。这些异常值可能会对统计分析结果产生影响,使用SPSS进行统计分析前,要对数据进行简单分析,例如查看有无缺失值,进行异常值检验等。有关SPSS异常值处理办法,SPSS异常值检验步骤的内容,本文向大家作简单介绍。
2024-04-24
spss筛选变量不能共线 spss筛选出没有缺失值的样本方法
SPSS是一种强大的统计分析软件,广泛应用于各种研究领域。在进行数据分析时,研究人员经常会遇到共线性问题。共线性是指自变量之间存在高度相关性的情况,这可能会导致模型不稳定、参数估计不准确甚至无法得出有效的结论。因此,共线性诊断和筛选变量在SPSS中变得尤为重要。有关SPSS筛选变量不能共线,SPSS筛选出没有缺失值的样本方法的内容,本文向大家作简单介绍。
2024-04-17
spss筛选功能在什么地方 spss筛选怎么做
SPSS软件是一款被广泛应用于数据分析和统计学习领域的工具。在数据处理过程中,筛选是一个非常重要的步骤,它可以帮助用户快速地找到所需的数据并进行进一步的分析。SPSS软件提供了强大的筛选功能,使用户能够轻松地筛选出符合特定条件的数据,从而提高数据处理的效率和准确性。SPSS筛选功能在什么地方,SPSS筛选怎么做,本文向大家作简单介绍。
2024-04-10

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: