首页 头条 电商 跨境 零售 品牌 物流 财经 金融 WAP版设为首页
首页 / 电商金融 / 正文

spss因子分析将错综复杂关系的变量变为数据较少的因子

来源:
作者:
时间:2021-07-05

因子分析:因子分析模型中,假定每个原始变量由两部分组成:共同因子和唯一因子。共同因子是各个原始变量所共有的因子,解释变量之间的相关关系。唯一因子顾名思义是每个原始变量所特有的因子,表示该变量不能被共同因子解释的部分。


      因子分析适用条件:
(1)样本量不能太小,至少为变量数的5倍。
(2)各变量间应该具有相关性,如彼此独立,则无法提取公因子。通过Bartlett球形检验来判断。
(3)KMO检验:用于考察变量间的偏相关性,取值0~1之间;KMO统计量越接近1,变量间的偏相关性越强,因子分析效果越好。一般统计量在0.7以上为适应做因子分析。<0.5则不适宜做因子分析。
(4)因子分析中各公因子应该具有实际意义。
      操作步骤:
      1)打开因子分析工具:
      2)选择要进行因子分析的变量:
      3)设置因子分析模型:
      a.描述:这里要说一下KMO和Bartlett的球形度检验,KMO检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。主要应用于多元统计的因子分析。KMO统计量是取值在0和1之间。Kaiser给出了常用的kmo度量标准: 0.9以上表示非常适合;0.8表示适合;0.7表示一般;0.6表示不太适合;0.5以下表示极不适合。KMO统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时,KMO值接近1.KMO值越接近于1,意味着变量间的相关性越强,原有变量越适合作因子分析;当所有变量间的简单相关系数平方和接近0时,KMO值接近0.KMO值越接近于0,意味着变量间的相关性越弱,原有变量越不适合作因子分析。Bartlett’s球形检验用于检验相关阵中各变量间的相关性,是否为单位阵,即检验各个变量是否各自独立。如果变量间彼此独立,则无法从中提取公因子,也就无法应用因子分析法。      Bartlett球形检验判断如果相关阵是单位阵,则各变量独立,因子分析法无效。由SPSS检验结果显示Sig.<0.05(即p值<0.05)时,说明各变量间具有相关性,因子分析有效。
      b.抽取:一般来说方法我们都选择主成分方法,但是在python中进行因子分析时用的不是这个方法。
      c.旋转:旋转的作用是为了方便最后看什么变量属于哪个因子。
      d.得分。
      e.选项:选择按列表排除个案。
      到此模型设置完毕,点击确定即可在SPSS窗口中看到分析结果。

0
(查看全部0条评论)文明上网理性发言,请遵守新闻评论服务协议!
    
验证码:    
电商金融
更新时间:2021-10-09
点评(1)
电商金融更多

 [释义]:大声呼喊;尤指士兵在战斗或追击时大声叫喊助威 ...[详细]

顺丰快递全国都是一个统一的收费标准。顺丰快递要是寄单件的话,...[详细]

产业点评更多
  • 资讯内容纠错答疑在线联系方式
  • Email:894204689@qq.com
  • 中国电商金融网版权所有所涉内容免责声明查阅
  • CopyRight@2015-2021 中国电商金融网
  • 湘ICP备20000841号