SPSS怎么进行变量降维分析 SPSS降维分析结果解读

品牌型号：联想GeekPro 2020

系统：Windows 10 64位专业版

软件版本：SPSS 30.0.0.0

在做一些品牌分析、消费者分析时，如果涉及到的变量比较多，而且变量之间可能存在共线性时，我们常常会先应用变量降维分析，来精简一些变量，让数据的研究分析变得更简单。在SPSS软件中，可以轻松地利用因子分析功能来实现变量的降维。接下来我们会介绍SPSS怎么进行变量降维分析，SPSS降维分析结果解读的相关内容。

一、SPSS怎么进行变量降维分析

因子分析，是SPSS软件中常用到的一种变量降维分析方法。因子分析的原理是在尽量保留原始数据的情况下，在众多的变量中提取少数的公共因子，来反映数据的主要信息。这样就能在精简变量的同时，确保数据分析的准确性，下面让我们来看看SPSS怎么进行变量降维分析。

1、将数据导入SPSS软件后，如图1所示，依次打开SPSS的分析菜单-降维-因子分析功能。

2、SPSS因子分析的变量设置比较简单，难点在于右侧的选项设置，其中包含了描述、提取方法、旋转方式、得分等方法与内容设置。

3、如图3所示，先将需要降维分析的变量都添加到右侧的变量框中。然后，点击“描述”按钮，开始进行方法设置。

4、在描述设置里，可以进行统计与相关性矩阵的设置。这里需要勾选相关性矩阵里的“KMO和巴特利特球形度检验”，它可以用来判断数据是否适合做因子分析。

5、继续打开“提取”设置，如图5所示，在方法设置中，一般选择“主成分”法。在“提取”选项中，可以选择“基于特征值”，也可以选择设置固定提取的因子数。

本例选择了“基于特征值”的提取方法，并将特征值设置为大于1。

6、如果想让每个变量只在一个主成分上载荷值高，可以设置旋转方法。比如这里在旋转方法中选择了“最大方差法”，并在显示中勾选“旋转后的解”，这样就能避免变量在多个成分上都载荷值高的问题。

7、如果后续要对因子分析的结果进行聚类、回归等分析，可以继续打开“得分”设置功能，如图7所示，在“得分”功能面板中勾选“‌保存为变量‌”，并将方法设置为“回归”，这样SPSS就会在数据表生成新的得分变量。

二、SPSS降维分析结果解读

上述我们已经详细介绍了SPSS进行变量降维分析的方法以及相关的功能设置，接下来，本文会继续进行SPSS降维分析结果解读。

1、首先，先看KMO和巴特利特检验的结果，如图8所示，KMO值为0.678，结果可以接受。KMO大于0.7适合做因子分析，0.6-0.7则尚可接受。

继续看巴特利特检验结果，其显著性小于0.001，说明变量之间是有相关性的，数据适合做降维分析。

2、通过KMO和巴特利特球形度检验得知数据适合进行因子分析，接下来，查看“总方差解释”结果，如图9所示，可以看到，成分为2时，累计百分比达到81%，说明提取两个因子是适合的。

3、从“公因子方差”结果中可以看到，变量的提取值都大于0.7，说明变量都能被公因子解释得比较好。

4、从“旋转后的成分矩阵”结果看到，成分1包含了语文、英语、化学与物理科目，成分2包含了数学科目。

5、返回到SPSS的数据表，如图12所示，可以看到末尾新增了变量的得分。

三、小结

以上就是SPSS怎么进行变量降维分析，SPSS降维分析结果解读的全部内容。SPSS可以通过因子分析来进行变量的降维分析，该方法主要是通过提取公共因子的方式来精简数据中的变量。在分析过程中，还可以通过KMO和巴特利特球形度检验来判断数据是否适合进行因子分析，大家如果对该功能感兴趣，可以试用一下相关功能。

作者：泽洋