管理统计学课件_第15章.pptx

;;因子分析的基本概念;因子分析的基本概念;因子分析的基本概念;例题： 为了解青年对婚姻家庭的态度，随机访问100人，询问30个问题，把这些问题归结于不可测的因子变量，即对外型的重视、对孩子的教育观点、对家庭的重视、对金钱的重视等其它方面。;因子分析的基本模型;因子分析的基本模型;矩阵 是待估系数矩阵， 称为因子载荷矩阵，系数a11是变量X1在因子F1上的载荷。 ;四个关键性的假设：;因子分析的基本步骤;因子分析的基本步骤;原假设H0： 相关阵是单位阵，即各变量各自独立。 检验的统计量： 根据相关系数矩阵的行列式计算得到。 判断方法： 如果该统计量值较大且对应的相伴概率值小于显著性水平，则拒绝H0，认为相关系数矩阵不太可能是单位阵，适合作因子分析； 如果该???计量值较小且对应的相伴概率值大于显著性水平，则不能拒绝H0，认为相关系数矩阵可能是单位阵，不适合作因子分析。 ;基本思想： 将偏相关系数矩阵的每个元素取反，得到反映象相关阵。 如果变量之间确实存在较强的相互重叠传递影响，由于计算偏相关系数时是在控制其它变量对两变量影响的条件下计算出来的净相关系数。 判断方法： 如果变量中确实能够提取出公共因子，那么偏相关系数必然很小，则反映象相关矩阵中的有些元素的绝对值比较大，则说明这些变量可能不适合作因子分析。;基本思想： KMO统计量是比较各变量间简单相关系数和偏相关系数的大小。 判断方法： KMO统计量的取值在0和1之间，KMO统计量越接近1，则越适合作因子分析，KMO统计量越小，则越不适合作因子分析。 一般认为，KMO值大于0.9就非常适合，0.7以上效果一般；0.6则不太适合，0.5以下不适合。;2 ;主成份分析法的目的： 从原始的多个变量取若干线性组合，使得能尽可能多地保留原始变量中的信息。;2 ;因子分析的基本步骤;因子分析的基本步骤;因子分析的基本步骤; 重点在于提取出的公因子的可解释性上。 如果有实际意义，即使贡献率较小，也可以考虑保留。 而如果特征根大于1，但是找不到合理的解释，则也可考虑将该公因子去除。;因子分析的基本步骤;因子分析的基本步骤;因子分析的基本步骤;因子分析的基本步骤;因子分析的基本步骤;因子分析的基本步骤;因子分析的基本步骤;因子分析的SPSS实现;因子分析的SPSS实现;因子分析的SPSS实现;;因子分析的SPSS实现;