因素分析表

《因素分析表》由会员分享，可在线阅读，更多相关《因素分析表（7页珍藏版）》请在装配图网上搜索。

1、学实验报告一、实验课题：在福特基金数据随机抽取的9个因素中，哪些是最重要的因素数据来源：GETFILE=D:DocumentsDesktopspss 课程教案福特基金问卷数据.sav.DATASET NAME 数据集 1 WINDOW=FRONT. 二、实验步骤1、单击分析，降维2、录入变量：3、点击描述4、抽取5、得分三、实验数据及分析表福特基金问卷数据描述统计量均值标准差分析N是否喜欢学校1.5000.5439850是否喜欢专业1.3000.5439850学习成绩2.8600.5717950综合能力评价2.6400.5979650专业学习2.4400.7602450课外知识学习2.5600

2、.8369050志向2.2000.8329950目标感积极主动学习2.0200.684821.3600.484875050KMO和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量。.740Bartlett的球形度检近似卡方100.281验df36Sig.000KMO是Kaiser-Meyer-Olkin的取样适当性量数。KMO测度的值越高（接近1.0时），表明 变量间的共同因子越多，研究数据适合用因子分析。通常按以下标准解释该指标值的大 小：KM0值达至【0.9以上为非常好，0.80.9为好，0.70.8为一般，0.60.7为差，0.5 0.6为很差。如果KM0测度的

3、值低于0.5时，表明样本偏小，需要扩大样本。此处的KM0值为0.740,表示适合进行因素分析。Bartlett球体检验的目的是检验相关矩阵是否是单位矩阵（identity matrix），如果是 单位矩阵，则认为因子模型不合适。Bartlett球体检验的虚无假设为相关矩阵是单位阵, 如果不能拒绝该假设的话，就表明数据不适合用于因子分析。一般说来，显著水平值越 小（0.05）表明原始变量之间越可能存在有意义的关系，如果显著性水平很大（如 0.10 以上）可能表明数据不适宜于因子分析。Bartlett球形检验的2值为100.281 （自由度为36），伴随概率值为0.0000.01,达 至了显著性水

4、平，说明拒绝零假设而接受备择假设，即相关矩阵不是单位矩阵，代表母 群体的相关矩阵间有共同因素存在，适合进行因素分析。解释的总方差成份初始特征值提取平方和载入合计方差的%累积%合计方差的%累积%13.24636.07136.0713.24636.07136.07121.22313.59349.6651.22313.59349.66531.03411.48461.1481.03411.48461.1484.8919.90571.0545.7378.19179.2456.6307.00286.2477.5275.86092.1078.4264.73796.8449.2843.156100.000提取

5、方法：主成份分析。上表叫做总的解释方差表。左边第一栏为各成份(Component)的序号，共有9个 变量，所以有 9 个成份。第二大栏为初始特征值，共由三栏构成：特征值、解释方差和 累积解释方差。合计栏为各成份的特征值，栏中只有 5 个成份的特征值超过了 1；其余 成份的特征值都没有达到或超过 3。方差的栏为各成份所解释的方差占总方差的百分 比，即各因子特征值占总特征值总和的百分比。积累栏为各因子方差占总方差的百分 比的累计百分比。如在方差的栏中，第一和第二成份的方差百分比分别为 36.071、 13.593，而在累计百分比栏中，第一成份的累计百分比仍然为 36.071，第二成份的累计 方差百

6、分比为 49.665，即是两个成份的方差百分比的和(36.071+13.593)。第三大栏为因子提取的结果，未旋转解释的方差。第三大栏与第二大栏的前五行完 全相同，即把特征值大于 1 的四个成份或因子单独列出来了。这四个特征值由大到小排 列，所以第一个共同因子的解释方差最大。碎石图IIIIIII1234567成分数碎石图和结果的被解释的总方差的作用相同，都是为了确定因子的数目。从碎石图 可以看出，从第 3 个因子开始，以后的曲线变得比较平缓，最后接近一条直线。据此， 可以抽取 3 个因子。最后决定抽取多少个因子，还要看后面的结果。成份矩阵a成份123是否喜欢学校.484.599.122是否喜欢

7、专业.526.405-.482学习成绩.405-.499.447综合能力评价.473.245.627专业学习.799-.290-.011课外知识学习.569-.532-.316志向.715.139.185目标感.682.064-.179积极主动学习.639-.038-.166提取方法：主成份。a.已提取了 3个成份。成份转换矩阵描写的是用于因子解的具体旋转，该矩阵用来从未经旋转的因子矩阵计算旋转了的因子矩阵，即未经旋转的因子负荷乘以成份转换矩阵等于旋转因子负荷成份得分系数矩阵成份123是否喜欢学校.149.489.118是否喜欢专业.162.331-.466学习成绩.125-.408.433综

8、合能力评价.146.200.607专业学习.246-.237-.011课外知识学习.175-.435-.306志向.220.113.179目标感.210.052-.173积极主动学习.197-.031-.160提取方法：主成份。因子模型将变量表示成公共因子的线性组合，自然也可将公共因子表示成原始变量的线性组合。上述表格实际上每列就是各个因子被原始变量表示的系数。成份得分协方差矩阵成份12311.000.000.0002.0001.000.0003.000.0001.000扌疋取7因子得分协方差矩阵描述了各个因子彼此之间的相关程度。由于各个因子和自己成 完全正相关，因子主对角线上得分均为1，其它各个部分得分均为0，说明各个因子之间 没有相关关系。