SPSS資料分析—因子分析

標籤：

我們知道主成分分析是一種降維方法，但是其本質上只是一種矩陣變換的過程，提取出來的主成分並不都具有實際含義，而這種含義往往是我們所需要的，接下來的因子分析可以解決這個問題

因子分析可以看做是主成分分析的推廣，而主成分分析也可以看做是因子分析中提取因子的一種方法，二者很多時候非常相像，但是也有一些不同，二者最直接的不同是主成分分析的結果唯一的，但是因子分析不是，因此我們可以通過因子旋轉，對因子載荷做進一步簡化，使每個因子都有明確的實際意義，這也是評價因子分析最終是否成功的關鍵。

主成分分析對於資料並沒有過多要求，而因子分析的適用條件是：
1.樣本量不能太小
因子分析是考量變數間的內部關連接構，因此樣本量要盡量充足

2.各變數之間應該具有相關性
需要通過bartlett檢驗，如果變數間彼此獨立，則無法從中提取因子，也就無法使用因子分析

3.變數間的偏相關性應該強一些
可以通過KMO值度量，該值越大，說明變數間的偏相關性越強，因子分析效果越好

我們還是用主成分分析的那個例子，做因子分析，看看二者的異同。

分析—降維—因子分析
















到此，我們得到了最終的因子得分，並儲存為變數，可以進一步計算總和因子得分，以此來對城市進行綜合排名。

SPSS資料分析—因子分析