資源描述：
《因子分析的SPSS實現(xiàn).doc》由會員上傳分享，免費在線閱讀，更多相關內容在教育資源-天天文庫。
1、個人收集整理勿做商業(yè)用途§8.6因子分析的spss實現(xiàn)在前面，我們用SPSS的FactorAnalysis模塊實現(xiàn)了主成分分析，實際上,FactorAnalysis主要是SPSS軟件進行因子分析的模塊，由于主成分分析與因子分析(特別是因子分析中的主成分法）之間有密切的關系，SPSS軟件將這兩種分析方法放到同一模塊中。下面我們先用SPSS軟件自帶的數(shù)據(jù)說明FactorAnalysis模塊進行因子分析的方法，然后給出一個具體案例.為了與主成分分析進行比較，我們此處仍延用SPSS自帶的Employeedata.sav數(shù)據(jù)集.【例8。6。1】數(shù)據(jù)
2、集wxm6—5.sav中各變量解釋說明見上一章主成分分析，用FactorAnalysis模塊進行因子分析。打開wxm6-5。sav數(shù)據(jù)集并依次選分析（Analyze)=〉降維（Dimensionreduction)=〉因子分析（Factor)打開因子分析(Factor)對話框：變量x1-x8進入Variables窗口.點擊對話框右側的Extraction進入Extration對話框,在Method選項框我們看到SPSS默認是用主成分法提取因子,在Analyze框架中看到是從分析相關陣的結構出發(fā)求解公因子。點Continue按鈕繼續(xù)。如果這
3、樣交由程序運行的話，將得到與主成分分析同樣的結果，其中包括公因子解釋方差的比例,因子載荷矩陣(即ComponentMatrix）等。個人收集整理勿做商業(yè)用途選中scores=〉Displayfactorscorecoefficientmatrix復選框，它要求SPSS輸出因子得分矩陣，即標準化主成分(因子）用原始變量線性表示的系數(shù)矩陣。點Continue繼續(xù)，點OK按鈕運行，可以得到如下輸出結果：CommunalitiesInitialExtraction100m（秒）1。000。668200m（秒)1。000。752400m（秒）1.0
4、00。838個人收集整理勿做商業(yè)用途800m（分）1.000。9001500m（分）1。000.9205000m(分)1.000。87910000m（分）1.000。891馬拉松（分）1.000.774ExtractionMethod:PrincipalComponentAnalysis.TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total％ofVarianceCumu
5、lative％16。62282.77782.7776。62282。77782。7772.87810。97093。7473。1591.99295.7394。1241。55197.2895.080.99998.2886.068。85099。1377.046。58099。7178。023。283100.000ExtractionMethod:PrincipalComponentAnalysis。ComponentMatrixaComponent1100m（秒）.817200m（秒）.867400m（秒）.915800m（分）.9491500m（
6、分）.9595000m（分）.93810000m(分）.944馬拉松（分）。880ExtractionMethod：PrincipalComponentAnalysis。個人收集整理勿做商業(yè)用途a.1componentsextracted.ComponentScoreCoefficientMatrixComponent1100m（秒).123200m(秒).131400m(秒）。138800m（分)。1431500m（分)。1455000m（分)。14210000m（分）.143馬拉松(分)。133ExtractionMethod：Pri
7、ncipalComponentAnalysis。ComponentScores。個人收集整理勿做商業(yè)用途TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsTotal％ofVarianceCumulative%Total％ofVarianceCumulative%16。62282。77782。7776。62282.77782.7772。87810.97093。747.87810.97093.7473。1591。99295。7394。
8、1241.55197.2895.080。99998。2886.068.85099.1377。046.58099.7178。023.283100。000ExtractionMethod:Prin
