SPSS 因子分析详细解读
1.因子分析简介
(1)概述
因子分析是研究相关矩阵或协方差矩阵的内部依赖关系,它将多个变量综合为少数几
个因子,以再现原始变量与因子之间的相关关系。
因子分析是主成分分析的推广和发展,也是利用降维方法进行统计分析的一种探索性
分析方法。
它的基本思想就是通过因子分析,将众多的原始变量转变为较少的几个因子;同时能
有效的解释原始变量的含义。
(2)其他概念
①因子载荷
因子载荷是原始变量和因子之间的相关系数,它反映了因子对原始变量的重要作用和
程度。因子载荷的绝对值越接近 1,则变量与因子的相关性越强。由此可以了解到因子的
实际含义,进而对因子进行命名。
当有多个因子的时候,因子载荷将构成-一个矩阵,称为因子载荷矩阵。
②变量共同度
也就是变量方差,变量共同度就是所有因子对变量的解释贡献度和变量信息丢失程度;
其取值范围介于 0 和 1 之间,变量共同度越接近 1,说明该变量能被因子解释的程度越高,
变量丢失的信息越少。
③因子旋转
因子分析的结果需要每个因子都要有实际意义,有时,原始变量和因子之间的相关系
数可能无法明显地表达出因子的含义,为了使这些相关系数更加显著,可以对因子载荷矩
阵进行旋转,使原始变量和因子之间的关系更为突出,从而对因子的解释更加容易。
④因子得分
因子得分可以用来评价每个个案在每个因子上的分值,该分值包含了原始变量的信息,
可以用于代替原始变量进行其他统计分析,比如回归分析、聚类分析等。
(3)目的
我们进行因子分析的原因主要有以下三个:
第一:原始变量之间存在一定的线性关系。因为变量之间的相关性较强时可以可用较少的
因子来概括其信息,便于探索结构;
第二:将原始变量转化为因子得分后,可以利用因子得分形成的变量与其他变量进行其他
统计分析,比如回归分析、聚类分析等分析方法。
第三:将每个因子得分计算出综合得分,并进行综合评价。
(4)基本步骤
第一步:判断数据是否适合因子分析;
数据适合因子分析的标准有以下几点:
变量必须为连续变量,因为分类变量不适合直接进行因子分析;
变量之间存在一定的线性关系;
KMO 统计量在 0.5 以下不适合因子分析,在 0.7~0.8 之间较适合因子分析,在 0.8