1樓：
這個不能說此次分析就是失敗的，應該說是你的變數或者說是問卷設計有問題當然也可以不一定參照必須要大於0.5，但是常規的都是這樣參照的這個因子載荷低有可能是問卷變數設計問題，有可能是資料採集質量有問題如果是第一個問題的話 你可以先進行下問卷題目調整，比如刪減部分題目再嘗試，當然不是隨意刪減的，而是根據專案分析的相關指標來進行。
如果是資料質量問題 你可以嘗試著刪除部分變數再試一下如果兩種方法都不行了，只能說明你的變數設計完全有問題或者資料完全不行 只能重做
如何解讀spss的分析結果？其中，因子分析和主成分分析的差別在**
2樓：du知道君
這個不能說此次分析就是失敗的，應該說是你的變數或者說是問卷設計有問題當然也可以不一定參照必須要大於0.5，但是常規的都是這樣參照的這個因子載荷低有可能是問卷變數設計問題，有可能是資料採集質量有問題如果是第一個問題的話 你可以先進行下問卷題目調整，比如刪減部分題目再嘗試，當然不是隨意刪減的，而是根據專案分析的相關指標來進行。
如果是資料質量問題 你可以嘗試著刪除部分變數再試一下如果兩種方法都不行了，只能說明你的變數設計完全有問題或者資料完全不行 只能重做
如何解讀spss的分析結果？其中，因子分析和主成分分析的差別在**
3樓：
kmo檢驗統計量在0.7以上，說明變數之間的偏相關性較強，適合做因子分析，球形檢驗p小於0.001，說明變數之間存在相關性。
第二格**為共同性，表示各變數中所含原始資訊能被提取的共同因子所表示的程度，根據你的資料，你提取的公因子是兩個，第三個**是指提取的倆個主成分能解釋差異的比列，第四個**是主成分表示式，第五**是因子得分公式。
spss中因子分析和主成分分析的區別？
4樓：霄霄雨霏
因子分析法和主成分分析法都是降維處理多變數的迴歸問題，不同意樓上的說法，不是包含的關係。
另外主成分分析法在spss中沒有辦法直接實現，是通過因子分析來構建模型的。它們的區別還是模型構建體系不一樣，因子分析是 f=ax； 主成分分析則是用特徵根向量求出的矩陣算出因子得分，與因子分析直接得出的得分是不一樣的。
5樓：匿名使用者
恩，在因子分析中有很多方法，其中就有主成分分析方法，而且大多數的因子分析方法就是選擇主成分分析方法來實現的。
請教spss高人，主成份分析和因子分析有什麼不同？做主成分分析目的是什麼？謝謝
6樓：匿名使用者
主成分分析和因子分析都是資訊濃縮的方法，即將多個分析項資訊濃縮成幾個概括性指標。如果希望進行將指標命名，spssau建議使用因子分析。原因在於因子分析在主成分基礎上，多出一項旋轉功能，該旋轉目的即在於命名。
主成分分析目的在於資訊濃縮（但不太關注主成分與分析項對應關係），權重計算，以及綜合得分計算。
同時spssau可直接儲存因子得分及綜合得分，不需要手動計算。
7樓：匿名使用者
主成分分析可以理解為一種資料的處理理論，也可以理解為一種應用方法。而因子分析則可以理解為一種應用方法，因為做因子分析採用的比較多的就是用主成分分析的方法來濃縮因子。所以
其實所謂的區別只不過是在學科研究當中存在的，因為同屬於統計學的理論，所以一定要找出兩者的區別來。但是如果你只是應用的話，那就沒必要考慮兩者有什麼區別。
況且spss使用因子分析非常方便 就可以得出各因子的得分，但是如果你非要用主成分分析方法，則需要自己手動再根據spss輸出的某些因子分析結果來計算主成分得分。
做主成分分析或者說因子分析的目的 是為了濃縮眾多變數，使之在後續的計算中更加簡介。比如原來有80多個變數，如果直接進行綜合排名要考慮每個變數進行綜合，所以此時通過主成分分析，可以將原來的80多個變數濃縮成3~5個代替原來眾多變數的新變數 即所謂的主成分或主因子。這樣後續的計算就很簡潔了
8樓：匿名使用者
這些你看教材就可以了
在spss應用上，是沒區別的
因子分析會用到主成分分析方法
我經常幫別人做類似的資料分析的
如何解讀spss的分析結果？其中，因子分析和主成分分析的差別
kmo檢驗統計量在0.7以上，說明變數之間的偏相關性較強，適合做因子分析，球形檢驗p小於0.001，說明變數之間存在相關性。第二格 為共同性，表示各變數中所含原始資訊能被提取的共同因子所表示的程度，根據你的資料，你提取的公因子是兩個，第三個 是指提取的倆個主成分能解釋差異的比列，第四個 是主成分表示...
如何解讀染色體核型分析結果46，XX,t1718p
總數46條 正常 性別 女，但 染色體發生易位 異常 是個平衡易位，17號染色體的短臂2區3帶3亞帶與18號染色體的長臂2區2帶之間。說白點，有一條染色體的一段接在另一條上，而哪條染色體的一段又接到了這條上。該個體的基因並沒有丟失，只是換了位置，所以只要順利出生一般沒什麼異常，但由於卵細胞只繼承一半...
spss迴歸分析結果F的sig005,但是兩個自變數
sig值表示顯著性水平，一般都要小於0.05才能表示結果可信，所以那些大於0.05的變數你就可以忽略了 f檢驗說明你的bai 眾多自變du量和你的因變形是zhi有顯著性影響的，可以做dao迴歸分析。但是專並不是說每一個自變屬量都和因變數有顯著性影響，所以要對每一個自變數t檢驗，t檢驗不合格說明該自變...