网站大量收购闲置独家精品文档,联系QQ:2885784924

管理研究方法—因子分析.ppt

  1. 1、本文档共33页,可阅读全部内容。
  2. 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. 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. 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)。
查看更多
管理研究方法—因子分析

主要输出结果分析 特征值与解释变异量 在写论文时,通常 只列出转轴前而不 是转轴后的特征值 与解释变异量 主要输出结果分析 转轴后的因子矩阵 从转轴后的因子矩阵可以 清楚的看出每个变量到底 应归属于哪个因子 结果解释与报告撰写 因子分析结果的解释如下:交代原始变量、KMO及Bartlett’s检验结果、萃取因子方法、转轴方法、特征值、解释变异量与累积解释变异量及因子如何命名。 例。 样本数据经过KMO及Bartlett’s检验后发现,KMO值为0.81,Bartlett’s球形检验值为1393.503,自由度为325,达0.05显著水平,表示适合进行因子分析。采用主成分分析法进行因子萃取,并以最大方差法进行因子旋转。共萃取出7个特征值大于1的因子,特征值分别为:8.792、2.797、1.912、1.464、1.342、1.218、1.030,解释变异量分别为:33.815%、10.757%、7.353%、5.632%、5.161%、4.683%、3.962%,累积的解释变异量为71.362%,表示因子分析的结果能较好的代表原始变量。 因子分析 江文芳?张雪利?雷明望 ?因子分析的基本概念 ?因子分析模式 ?因子分析方法步骤 ?因子模型 ?共同性、特征值与因素载荷的关系 ?因素的萃取方法 ?主成分法 ?主因素法 ?最大似然法 ?模型拟合度评估 ?因子旋转 ?因子命名 主要 内容 因子分析基本概念 因子分析是一种相关分析技术,它包含许多减少维度(即因子个数)以简化数据的技巧。主要目的在于以较少的维度来表现原先的数据结构,而又能保存原数据结构所提供的大部分信息。换言之,因子分析是希望能够降低变量的数目,并于一群具有相关性的数据中,转换为新的、彼此独立、不相关的新因子。 因子分析基本概念 因子分析除简化数据外,还可以探讨变量间的基本结构。在进行多变量分析时,经常会碰到许多变量,且变量之间存在很强的相关情形。这不仅给问题的分析与描述带来一定困难,而且在使用某些统计方法时还会出现问题。例如在作复回归分析时,当自变量间高度相关时,会出现共线性的问题,但通过因子分析可以找到较少的几个因子代表原有数据的基本结构,如此才可继续进行复回归分析。 因子分析基本概念 探索性因子分析:研究者事先对数据背后存在多少个基础变量结构一无所知,因子分析就可以用来探索基础变量的维度。 验证性因子分析:根据某些理论或其他先验的知识可能对因素的个数或者因素的结构做出假设,因子分析也可以用来检验这个假设。 因子分析方法步骤: 1、计算相关矩阵以估计共同性:若采用主成分分析, 则共同性设为1 2、从相关矩阵中萃取共同因子 3、决定因子的数目 4、旋转因子以增加变量与因子间关系的解释能力 5、进行因子命名与结果解释 共同性、特征值与因子载荷的关系 在因子分析中,有两个重要指标:一为共同性,二为特征值。所谓共同性 就是每个变量 在每个共同因子载荷的平方 总和,即一行中所有因子载荷的平方和,也就是个别变量可以被共同因子解释的变异百分比,这个值是个别变量与共同因子间多元相关的平方。从共同性的大小可以判断这个原始变量与共同因子间的关系程度;而各变量的独特因素大小就是1减掉该变量共同性的值。 因子F1 因子F2 因子F3 变量X 可被共同因子 解释的变异 独特因素 所谓特征值 ,是每个变量在某一个共同因子的因子载荷的平方 总和(一列所有因子载荷的平方和)。将每个共同因子的特征值除以总变量个数p,为此共同因子可以解释的变异量比例。 F1 F2 … Fj … Fm 共同性 X1 f11 f12 … f1j … f1m X2 f21 f22 … f2j … f2m … Xi fi1 fi2 … fij … fim … Xp fp1 fp2 … fpj … fpm 特征值 解释变异量% λ1/p λ2/p λj/p λm/p 因子分析的共同性、特征值与因子载荷的关系 因子的萃取方法 当由样本数据算出相关系数矩阵R或协方差矩阵S后,就可以进行因素的萃取,亦即对 进行参数估计。SPSS中的因子萃取方法包括主成分分析、主因素分析、最大似然因子分析、映像成分分析以及harris成分分析。 主成分法 principle components factoring 最重要与最常见的分析形式 利用主成分分析法求出p个主成分 设其特征值分别为 以求解。主成分分析方法是以相关系数矩阵R为分析工具,求R的特征值和特征向量,即萃取因子时使用相关系数矩阵R的对角线数字1。 主因素法 principal axis factoring 如果R的对角线元素不是1,而是以小于1的某些正数取代,

文档评论(0)

dajuhyy + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档