有哪些信誉好的足球投注网站- 1、本文档共17页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
SPSS学习系列31.-因子分析
阵中相应于这个因子的系数。
由于因子载荷阵不惟一，故可对因子载荷阵进行旋转。目的是使因子载荷阵的结构简化，使载荷矩阵每列或行的元素平方值向0和1两极分化，这样的因子便于解释和命名。
每个样本都可以计算其在各个公因子上的得分，利用因子得分以及该公因子的方差贡献比例，又可以计算每个样本的综合得分。
二、因子分析实例
例1（综合评价问题）对我国30个省市经济发展的8个指标进行分析和排序。数据文件如下：
x1=GDP；x2=居民消费水平；x3=固定资产投资；
x4=职工平均工资；x5=货物周转量；x6=居民消费价格；
x7=商品价格指数；x8=工业总产值。
1.【分析】——【降维】——【因子分析】，打开“因子分析”窗口，将变量“x1-x8”选入【变量】框；
2.点【描述】，打开“描述统计”子窗口，勾选【统计量】下的“单变量描述性”、“原始分析结果”，【相关矩阵】下的“系数”、“再生”、“KMO和Bartlett的球形度检验”；点【继续】；
3.点【抽取】，打开“抽取”子窗口，【方法】选“主成份”，【分析】选“相关性矩阵”，【输出】勾选“未旋转因子解”、“碎石图”，【抽取】选“基于特征值：特征值大于‘1’”；点【继续】；
注1：提取公因子方法有（1）主成份法（默认），假设变量是各因子的线性组合，从解释变量的变异除非，尽量是变量的方差能被主成分所解释，适合大多数情况；
（2）未加权的最小平方法：使相关矩阵和再生相关矩阵之差的平方和达到最小；
（3）综合最小平方法：同（2），并用单值的倒数对相关系数加权；
（4）最大似然法：要求数据服从多变量正态分布，此时生成的参数估计最接近观察到相关矩阵，适宜样本量较大情况；
（5）主轴因子分解法：从原始变量的相关性出发，使变量间的相关程度尽可能地被公因子解释，但对变量方差的解释不太重视；
（6）α因子分解法：将变量看出从潜在的变量空间中抽取出的样本，计算时尽量使得变量的α信度达到最大，适合不好的数据；
（7）映像因子分解法：把一个变量看作是其它变量的多元回归，提取公因子。
注2：计算特征值和特征向量时，可选择相关矩阵（不受量纲影响）或协方差矩阵（受量纲影响较大，需先进行变量标准化）计算主成分。但SPSS做因子分析时，已经包含了变量标准化过程。二者结果有差异，但在对因子解释和方差贡献率的解释上是一致的。
4.点【旋转】，打开“旋转”子窗口，【方法】选“最大方差法”，【输出】勾选“旋转解”、“载荷图”；点【继续】；
注：（1）最大方差法：最常用，使各因子保持正交前提下的方差差异（相对载荷平方和）达到最大，方便对公因子解释；
（2）最大四次方值法：各因子方差差异化更强，并减少和每个变量有关联的因子数，简化对原变量的解释；
（3）最大平衡值法：介于方差最大正交旋转与4次方最大正交旋转之间；
（4）直接Oblimin法：斜交旋转方法，需先指定一个因子映像的自相关范围；
（5）Promax：最常用的斜交旋转法，在方差最大正交旋转的基础上再进行斜交旋转，旋转后允许因子间存在相关，适合有具体的结果倾向时选用。
5.用主成分法提取公因子，用回归法对因子进行估计。
点【得分】，打开“因子得分”子窗口，勾选“保存为变量”方法选“回归”、“显示因子得分系数矩阵”；点【继续】；
另外，若在【选项】子窗口，将【系数显示格式】勾选“按大小排序”，将按载荷从大到小排列变量。
点【确定】得到（部分与主成份分析结果相同，略）
KMO和Bartlett的检验
取样足够度的Kaiser-Meyer-Olkin度量。
.620
Bartlett的球形度检验
近似卡方
231.285
df
28
Sig.
.000
KMO检验变量间的偏相关是否较大，该值越大越适合做因子分析，0.7以上因子分析效果较好，0.5以下不适合做因子分析。KMO值=0.6200.7说明变量间的重叠可能不是特别高。
Bartlett球形度检验判断相关系数矩阵是否是单位阵，原假设H0：各变量相互独立。P值0.0010.05,故拒绝原假设，即变量间有较强的相关性。
公因子方差
初始
提取
GDP
1.000
.945
居民消费水平
1.000
.799
固定资产投资
1.000
.902
职工平均工资
1.000
.873
货物周转量
1.000
.857
居民消费价格指数
1.000
.957
商品价格指数
1.000
.928
工业总产值
1.000
.904
提取方法：主成份分析。
公因子方差，表示各变量中所含原始信息能被提取的公因子所表示的程度。基本都在0.80以上，表示提取的公因子对各变量有较强的解释能力。
解释的总方差
成份
初始特征值
提取平方和载入
旋转平方和载入
合计
方差的%
文档评论（0）