第十章_中财_统计学素材.ppt

中央财经大学统计学院 * SPSS因子分析操作 5、单击“旋转”，选中“最大方差法”，单击“继续”； 中央财经大学统计学院 * SPSS因子分析操作 5、单击“得分”，选中“保存为变量”，“显示因子得分系数矩阵”，单击“继续”； 其余选项使用默认值。单击“确定” 。 中央财经大学统计学院 * 因子分析结果分析 变量的共同度表。 除了“外貌”变量外其他变量的共同度都比较高。 中央财经大学统计学院 * 贡献率 根据下表，前4个因子的贡献率为81.49%。 旋转前后的因子载荷矩阵 旋转后的系数矩阵中在一行中一般只有一个较大的值。 根据旋转后的因子载荷矩阵更容易解释因子的含义。 　 因子 旋转后 1 2 3 4 简历格式 .116 .830 .109 -.136 外貌 .440 .151 .399 .227 研究能力 .064 .128 .007 .928 兴趣爱好 .220 .245 .871 -.081 自信心 .916 -.107 .163 -.065 洞察力 .863 .097 .255 .002 诚信度 .219 -.242 .863 .001 推销能力 .910 .223 .103 -.041 工作经验 .087 .851 -.055 .211 工作魄力 .800 .349 .156 -.052 志向抱负 .918 .159 .100 -.041 理解能力 .811 .255 .331 .143 潜能 .747 .326 .413 .224 求职渴望度 .440 .363 .534 -.524 适应力 .383 .797 .076 .084 中央财经大学统计学院 * 各变量的因子表达式 标准化的简历格式分≈0.116×第一个因子+0.830×第二个因子+0.109×第三个因子-0.136×第四个因子 标准化的外貌分≈0.440×第一个因子+0.151×第二个因子+0.399×第三个因子+0.227×第四个因子 中央财经大学统计学院 * 因子含义的解释 第一个因子在 外貌 自信心 洞察力 推销能力 工作魄力 志向抱负 理解能力 潜能 等变量上有较大的系数，可以抽象为应聘者主客观工作能力因子 第二个因子在 简历格式 工作经验 适应力变量上有较大的系数，可抽象为应聘者对客观环境的适应力因子 第三个因子在兴趣爱好 诚信度 求职渴望度变量上有较大的系数，可抽象为应聘者的兴趣和诚信因子。 第四个因子在研究能力变量上系数较大，可抽象为应聘者的学习能力因子。 中央财经大学统计学院 * 标准化因子得分矩阵 根据因子得分系数矩阵可以计算因子得分。注意计算中需要先对原始变量进行标准化。 SPSS可以把因子得分作为变量存储起来以便进行后续的分析。 中央财经大学统计学院 * 因子得分函数 FAC1-1≈-0.099简历格式分+0.016外貌分-0.020学习能力分-0.159兴趣爱好分+0.251自信心分+0.185洞察力分-0.093诚信度分+0.217销售能力分-0.082工作经验分+0.155工作魄力分+0.228志向抱负分+0.129理解能力分+0.080潜能分-0.026求职渴望度分-0.014适应力分 中央财经大学统计学院 * SPSS计算的因子得分 根据因子得分可以对应聘者进行综合评价。 例如可以按照第一因子进行排序，对应聘者主客观工作能力进行评价。 中央财经大学统计学院 * 学生考试成绩案例的因子分析 根据旋转后的载荷矩阵，因子1在文科课程的系数较大，可命名为文科因子；因子2在理科课程的系数较大，可命名为理科因子； 中央财经大学统计学院 * 因子得分系数矩阵 因子得分系数矩阵可以用来计算因子得分。 中央财经大学统计学院 * 因子得分的应用 根据因子得分可以对学生的学习情况进行综合分析。例如可以知道哪些学生文科好，哪些学生理科好等等 中央财经大学统计学院 * 小结 主成分分析的基本原理和模型 SPSS主成分分析结果的解释 因子分析的基本原理和模型 SPSS因子分析结果的解释 * * * 这页内容，来自《朱建平》，但其实是他Copy的《王学民》。为什么说“n个点在新坐标系下的坐标Y1和Y2几乎不相关”？从几何角度看，这两个坐标轴是垂直的，也即两个向量是正交的，内积为零！ 中央财经大学统计学院 * 主成分的贡献率 对于第k个主成分，其对方差的贡献率为 前k个主成分贡献率的累计值称为累计贡献率。 中央财经大学统计学院 * 主成分个数的确定 通常有两种方式： 1、根据大于1的特征值的个数确定主成分的个数； 2、根据主成分的累计贡献率确定主成分的个数，使累计贡献率85%或者其他值。 最常见的情况是主