SPSS 因子分析求权重

傷城~ 2022-02-19 02:25 744阅读 0赞

> 导入数据进行处理

一、导入数据

二、选择【分析】——【降维】——【因子分析】

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70][]

三、导入变量

![20190415151939236.png][]

四、点击【描述】，勾选【KMO和巴特利特球形度检验】

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 1][]

KMO>0.8说明效度非常高；

KMO>0.7说明效度较好；

KMO>0.6说明效度可以接受；

KMO<0.6说明效度不太好；

KMO<0.5说明效度完全不佳，需要重新修正题项。

五、点击【抽取】，在选项里勾选【碎石图】。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 2][]

六、【旋转】中选择【最大方差法】

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 3][]

七、【得分】中选择【显示因子得分系数矩阵】

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 4][]

八、【选项】中选择【按大小排序】。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 5][]

> 结果分析

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 6][]

链接：[http://sh.qihoo.com/pc/9b053115fc68e57fa?cota=4&tj\_url=so\_rec&refer\_scene=so\_1&sign=360\_e39369d1][http_sh.qihoo.com_pc_9b053115fc68e57fa_cota_4_tj_url_so_rec_refer_scene_so_1_sign_360_e39369d1]

链接：[https://www.cnblogs.com/zhhda/p/4535476.html][https_www.cnblogs.com_zhhda_p_4535476.html]

![2019041515305871.png][]

KMO=0.905>0.8，说明适合做因子分析。

![20190415155543342.png][]

上表格针对因子提取情况，以及因子提取信息量情况进行分析，从上表可知:因子分析一共提取出4个因子，此4个因子旋转后的方差解释率分别是24.452%、22.403%、13.186%，旋转后累积方差解释率为60.042%。即此例中四个因子共提取出题项60.042%信息量。

三个主要因子的权重分别为：

0.24452/0.60042=0.407248

0.22403/0.60042=0.373122

0.13186/0.60042=0.219613

> 接下来该计算原始的每一个小因素的权重

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 7][]

一、先求出每一项的系数。拿旋转后的成分矩阵值除以sqrt(对应的特征根）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 8][]

F1=0.339x1+0.282x2+0.270x3+0.266x4+0.254x5+ 0.233x6+0.208x7+0.061x8+0.131x9+0.104x10+0.138x11+0.138x12+0.015x13+0.017x14

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 9][]

F2=0.211x1+0.009x2+......+0.173x14

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 10][]

F3=0.107x1+0.176x2+......+0.576x14

> 计算每一项系数的权重:

拿每一个因子的权重乘以相应的系数相加。

上面已经求得三个主要因子的权重分别为：

0.24452/0.60042=0.407248

0.22403/0.60042=0.373122

0.13186/0.60042=0.219613

比如：W1=0.407248\*0.33867679+0.373122\*0.211206627+0.219613\*0.107864=0.24042

![20190415175105257.png][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 11][]

由此得到综合得分模型为：

Y=0.24χ1+0.157χ2+...+0.198x14

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70]: /images/20220219/05ec70b78cae454ba8ffc0b0c45d675b.png
[20190415151939236.png]: /images/20220219/dce018311d664b7c85fd1b99e2f0fb2c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 1]: /images/20220219/796507e3ecf74907a6b048b8ebe87f8b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 2]: /images/20220219/046da1cf5f5e40bfaf89f9018adb2602.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 3]: /images/20220219/7ff6f60109a84b8ab9d4f8851d2e63f4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 4]: /images/20220219/462bece8702043608dcfb0aca7809215.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 5]: /images/20220219/a5e7bf98a3934392941b82eb7ae607fc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 6]: /images/20220219/e5b0e2dc2311495ca4304a6cad2f1cf1.png
[http_sh.qihoo.com_pc_9b053115fc68e57fa_cota_4_tj_url_so_rec_refer_scene_so_1_sign_360_e39369d1]: http://sh.qihoo.com/pc/9b053115fc68e57fa?cota=4&tj_url=so_rec&refer_scene=so_1&sign=360_e39369d1
[https_www.cnblogs.com_zhhda_p_4535476.html]: https://www.cnblogs.com/zhhda/p/4535476.html
[2019041515305871.png]: /images/20220219/b5799acd911a4bb9acbbc1e31902b91a.png
[20190415155543342.png]: /images/20220219/7daef438e00a409992a299b020b886c0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 7]: /images/20220219/bdeb3cebeeb74e91b860930e2ff693a5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 8]: /images/20220219/cee53d70b2b242fcb839acda61ff146d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 9]: /images/20220219/d418aff590ee4d76b989951de1ac0354.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 10]: /images/20220219/a677a9bb80244b14896e108156d82cec.png
[20190415175105257.png]: /images/20220219/a3b22d41619a4fc494aa524ff969b1b2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbnlhbndlbm1lbmc_size_16_color_FFFFFF_t_70 11]: /images/20220219/8c6146c2490644a98a349d56b7c6be8f.png