第五章因子分析.ppt

KMO and Bartletts Test .860 46356.80 28 .000 Kaiser-Meyer-O lkin Measure of Sampling Adequacy. Approx. Chi-Square df Sig. Bartletts Test of Sphericity Anti-image Matrices .653 -.233 -.102 -3.530E-02 -2.290E-02 -2.51E-02 -1.502E-02 -2.165E-02 -.233 .588 -.184 -3.181E-02 -3.275E-02 -1.50E-02 -2.699E-02 -4.511E-03 -.102 -.184 .600 -.121 -9.000E-02 -2.05E-02 -2.078E-02 -2.049E-02 -3.530E-02 -3.181E-02 -.121 .695 -8.984E-02 -.103 -2.090E-02 -8.106E-02 -2.290E-02 -3.275E-02 -9.000E-02 -8.984E-02 .652 -.131 -8.364E-02 -7.416E-02 -2.507E-02 -1.496E-02 -2.051E-02 -.103 -.131 .651 -.110 -.106 -1.502E-02 -2.699E-02 -2.078E-02 -2.090E-02 -8.364E-02 -.110 .590 -.234 -2.165E-02 -4.511E-03 -2.049E-02 -8.106E-02 -7.416E-02 -.106 -.234 .577 .838 a -.376 -.163 -5.238E-02 -3.510E-02 -3.84E-02 -2.419E-02 -3.528E-02 -.376 .810 a -.310 -4.976E-02 -5.292E-02 -2.42E-02 -4.582E-02 -7.748E-03 -.163 -.310 .863 a -.188 -.144 -3.28E-02 -3.492E-02 -3.484E-02 -5.238E-02 -4.976E-02 -.188 .908 a -.133 -.153 -3.263E-02 -.128 -3.510E-02 -5.292E-02 -.144 -.133 .905 a -.201 -.135 -.121 -3.845E-02 -2.418E-02 -3.282E-02 -.153 -.201 .892 a -.177 -.172 -2.419E-02 -4.582E-02 -3.492E-02 -3.263E-02 -.135 -.177 .838 a -.402 -3.528E-02 -7.748E-03 -3.484E-02 -.128 -.121 -.172 -.402 .837 a f7_a 最近 一个月 是否 有 睡不 着觉的 情况 f7_b 觉得 身心疲 惫 f7_c 觉得 烦躁易 怒 f7_d 容易 哭泣或 想哭 f7_e 对什 么都不 感兴 趣 f7_f 感到 很孤独 f7_g 觉得 自己没 有用 f7_h 觉得 活着没 有意 思 f7_a 最近 一个月 是否 有 睡不 着觉的 情况 f7_b 觉得 身心疲 惫 f7_c 觉得 烦躁易 怒 f7_d 容易 哭泣或 想哭 f7_e 对什 么都不 感兴 趣 f7_f 感到 很孤独 f7_g 觉得 自己没 有用 f7_h 觉得 活着没 有意 思 Anti-image Covariance Anti-image Correlation f7_a 最近 一 个月 是否有 睡不 着觉的 情况 f7_b 觉得 身心 疲惫 f7_c 觉得 烦躁 易怒 f7_d 容易 哭 泣或 想哭 f7_e 对什 么 都不 感兴趣 f7_f 感到 很孤 独 f7_g 觉得 自 己没 有用 f7_h 觉得 活 着没 有意思 Measures of Sampling Adequacy(MSA) a. 第三节 求解初始因子 目的： 确定能够解释观测变量之间相关关 系的最小因子个数 主成分分析 ：独立的数据化简技术。因子分析将其结 果作为初始因子解（特征值） 公因子分析 ：主轴因子法、极大似然法、最小二乘法、 alpha 法 一、主成分分析法 把给定的一组（ k 个）相关变量通过线性变 换转换成另一组不相关的变量，这些新的 变量按照方差依次递减的顺序排列。 转换