因子分析版.PPTVIP

* * Rotation 按钮 “Mothod”因子旋转方法： 正交法 None：不旋转（系统默认） Varimax: 最大方差旋转法 Quartimax：四次方最大正交旋转法 Equamax: 平均正交旋转法 “Display”输出内容： Rotated solution：旋转后的因子负荷矩阵 Loading plot(s): 旋转后的因子负荷散点图 斜交法 Direct Oblimin: 最大斜交旋转法，选此项，下方的Delta框被激活，可填入小等于0.8的值，系统默认0，即产生最高相关因子。 Promax: 斜交旋转法，选此项，下方的Kappa框被激活，系统默认4。该法允许因子间相关，远较最大斜交旋转法计算速度快，适于大型数据处理。 ----------------------------------------------------------------------- * Factor Scores 按钮 “Method”求因子得分方法： Regression: 回归法（系统默认） Bartlett: Bartlett法 Anderson-Rubin: Anderson-Rubin法 Display factor score coefficient matrix: 输出因子得分系数矩阵 * Option 按钮 “Missing Values”缺失值处理： Exclude cases listwise: 剔除含有缺失值的所有观察单位（系统默认） Exclude cases pairwise: 剔除各对变量中含有缺失值的观察单位 Replace with mean: 用各变量的均值替代缺失值 “Coefficient Display Format”因子矩阵的输出格式： Sorted by size：按因子系数由大到小排列 Suppress absolute values less than: 只列出大于某一数值的因子系数（系统默认0.1） * 案例分析 案例 X1: 每万人中等职业教育在校生数 X2: 每万人中等职业教育招生数 X3: 每万人中等职业教育毕业生数 X4: 每万人中等职业教育专任教师数 X5: 本科以上学校教师占专任教师的比例 X6: 高级教师占专任教师的比例 X7: 学校平均在校生人数 X8: 国家财政预算中等职业教育经费占国内生产总值的比例 X9: 生均教育经费 对北京18个区县中等职业教育发展水平的9个指标进行因子分析，然后进行综合评价。数据如有表所示，9个指标分别表示如下含义： * 操作步骤 定义变量：变量“qx”为字符型变量，表示区县；变量x1，x2,…,x9均为数值型变量，表示中等教育发展水平的状况。 3. 从左侧的变量列表中选择x1，x2,…,x9变量进入“Variables”框中。 * * * * 结果分析 上表显示原有变量的相关系数矩阵及其检验。可以看到，大部分的相关系数都较高（大于0.3，单边检验值小于0.05），各变量呈较高的线性关系，能够从中提取公共因子，适合进行因子分析。 大部分的相关系数值大于0.3 大部分的检验值小于0.05 * 巴特利球形检验统计量为131.051，相应的概率Sig为0.000，因此可认为相关系数矩阵与单位阵有显著差异。同时，KMO值为0.762，根据Kaiser给出的KMO度量标准可知原有变量适合作因子分析。 * 右表是因子分析的初始解，显示了所有变量的共同方差数据。“Initial”列是因子分析初始解下的变量共同方差。它表示，对原有9个变量如果采用主成分分析方法提取所有特征值（9个），那么原有变量的所有方差都可被解释，变量的共同方差均为1（原有变量标准化后的方差为1）。“Extraction”列是在按指定提取条件（本例提取3个因子）提取特征值时的共同方差。可以看到，所有变量的共同方差均较高，各个变量的信息丢失都较少。因此本次因子分析提取的总体效果较理想 * 上表中，第一列是因子编号，以后三列组成一组，每组中数据项的含义依次是特征根值，方差贡献率和累计方差贡献率。 第一组数据项描述了因子初始解的情况。可看到，第1个因子的特征值是4.975，解释原有9个变量总方差的 55.275%（4.975÷9×100），累计方差贡献率为55.275%；其余数据含义类似。 第二组数据项描述了因子解的情况。可看到，由于指定提取3个因子，3个因子共解释了