因子分析的SPSS实现.doc

§8.6 因子分析的spss实现 在前面，我们用SPSS的Factor Analysis模块实现了主成分分析，实际上，Factor Analysis主要是SPSS软件进行因子分析的模块，由于主成分分析与因子分析（特别是因子分析中的主成分法）之间有密切的关系，SPSS软件将这两种分析方法放到同一模块中。 下面我们先用SPSS软件自带的数据说明Factor Analysis模块进行因子分析的方法，然后给出一个具体案例。为了与主成分分析进行比较，我们此处仍延用SPSS自带的Employee data.sav数据集。 【例8.6.1】 数据集wxm6-5.sav中各变量解释说明见上一章主成分分析，用Factor Analysis模块进行因子分析。 打开wxm6-5.sav数据集并依次选分析(Analyze) =降维（Dimension reduction）=因子分析（Factor）打开因子分析（Factor）对话框： 变量x1-x8进入Variables窗口。 点击对话框右侧的Extraction进入Extration对话框，在Method选项框我们看到SPSS默认是用主成分法提取因子， 在Analyze框架中看到是从分析相关阵的结构出发求解公因子。点Continue按钮继续。如果这样交由程序运行的话，将得到与主成分分析同样的结果，其中包括公因子解释方差的比例，因子载荷矩阵(即Component Matrix) 等。 选中scores = Display factor score coefficient matrix复选框，它要求SPSS输出因子得分矩阵，即标准化主成分（因子）用原始变量线性表示的系数矩阵。 点Continue继续，点OK按钮运行，可以得到如下输出结果： Communalities Initial Extraction 100m(秒) 1.000 .668 200m（秒) 1.000 .752 400m（秒） 1.000 .838 800m（分） 1.000 .900 1500m（分） 1.000 .920 5000m（分） 1.000 .879 10000m（分） 1.000 .891 马拉松（分） 1.000 .774 Extraction Method: Principal Component Analysis. Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 6.622 82.777 82.777 6.622 82.777 82.777 2 .878 10.970 93.747 3 .159 1.992 95.739 4 .124 1.551 97.289 5 .080 .999 98.288 6 .068 .850 99.137 7 .046 .580 99.717 8 .023 .283 100.000 Extraction Method: Principal Component Analysis. Component Matrixa Component 1 100m(秒) .817 200m（秒) .867 400m（秒） .915 800m（分） .949 1500m（分） .959 5000m（分） .938 10000m（分） .944 马拉松（分） .880 Extraction Method: Principal Component Analysis. a. 1 components extracted. Component Score Coefficient Matrix Component 1 100m(秒) .123 200m（秒) .131 400m（秒） .138 800m（分） .143 1500m（分） .145 5000m（分） .142 10000m（分） .143 马拉松（分） .133 Extraction Method: Principal Component Analysis. Component Scores. Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Var