因子分析的说明

以下是我自己通俗的理解哈.主成分分析,就是多个变量综合起来反应一个指标,要把这个指标找出来.因子分析就是其实潜在的有几个指标,而表现出来的是这几个指标随机组合作用出来的结果.因子分析不好理解是吧,举个

在表因子变量解释贡献率（Total Variance Explained）中,看各个主因子的方差贡献率（Initial Eigenvalues栏下的% of&n

当然可以,显著就行.再问：如果sig值偏大，怎么调整？再答：只要小于0.05，达到显著就可以。再问：大于0.05呢再答：大于0.05就不适合做因子分析了。再问：除了增加样本量之外有没有调整方法再答：具

RotatedComponentMatrix,就是经转轴后的因子负荷矩阵,当你设置了因子转轴后,便会产生这结果.转轴的是要得到清晰的负荷形式,以便研究者进行因子解释及命名.SPSS的FactorAna

一般观察权重系数啊,正常的话看变量在F1-F5那个公共因子上较大,就把它归类在哪个公共因子上,比如第一个变量在F1上的权重是0.927,很接近于1了,就归类在F1上.一般都用主成分分析法,做正交旋转做

一般采用相关系数矩阵分析都是自动标准化的,如果你不放心,可以人为标准化,会自动保存新变量的,而不是要重新输入标准化数据.

·简化系统结构,探讨系统内核.可采用主成分分析、因子分析、对应分析等方法,在众多因素中找出各个变量最佳的子集合,从子集合所包含的信息描述多变量的系统结果及各个因子对系统的影响.“从树木看森林”,抓住主

首先要说明的是,因子分析是用来降维的.比如你有很多变量,用这么多变量来解释另一个变量,显得有点复杂,但是如果能找到其它的几个少量的变量来代替这些变量来进行下一步的分析,这就要用到因子分析.它运用了数学

因子分析法和主成分分析法都是降维处理多变量的回归问题,不同意楼上的说法,不是包含的关系.另外主成分分析法在SPSS中没有办法直接实现,是通过因子分析来构建模型的.它们的区别还是模型构建体系不一样,因子

只要你熟懂因子分析的原理你就可以看明白每个选项的意思以及处理的结果如果不会分析我可以帮你分析

首先看KMO值有没有过0.5,低于0.5的不能做因子分析,然后看特征根,一般特征根要大于1,之后看各个因子的谁的数值最高就可以了.

·简化系统结构,探讨系统内核.可采用主成分分析、因子分析、对应分析等方法,在众多因素中找出各个变量最佳的子集合,从子集合所包含的信息描述多变量的系统结果及各个因子对系统的影响.“从树木看森林”,抓住主

效度分为很多,你说的应该是结构效度因子分析有标准步骤,不是说你这么做因子分析就不好,他那么做因子分析就好需要对哪些变量做因子分析,要根据你的目的来决定kmo是必须要看的我经常帮别人做这类的数据分析

按照旋转后的再问：我计算的时候也是这样算的。可spss的书上怎么的是按照原始特征方差值呢？张文彤那本。不知是否写错了？再答：我记得，我学的书用的就是旋转后的

当然不行啊,要不你就要做回归预测了,但是要先建模型再问：可是没有因变量怎么做回归呢？我也问了我们老师，说是可以先通过因子分析估计一个因变量的值再进行回归。。（可以留个你的联系方式不，请教一下高人）再答

主成分分析就是将多项指标转化为少数几项综合指标,用综合指标来解释多变量的方差-协方差结构.综合指标即为主成分.所得出的少数几个主成分,要尽可能多地保留原始变量的信息,且彼此不相关.因子分析是研究如何以

是球形检验,如果相应p值小于0.05,说明变量之间存在相关性,适合做因子分析,df是自由度,sig是p值.后面的是题项.再问：谢谢，我已经知道了，非常感谢！那么如果我只想做一种变量与其它因素的关系，而

得分为负的,说明该样本对就的因子得分低于平均分.平均分为0.所有得分之和为0.再问：SPSS进行因子分析后，为什么保存的因子得分的变化趋势与X1、X2、X3、X4相关题项的取值的变化趋势不一致？例如，

可以解释但是一般使用主成分与因变量y进行回归分析的比较多通过这种回归分析可以更加清晰的看出之间的关系

性别可能是影响因素我替别人做这类的数据分析蛮多的