1樓：匿名使用者
1輸入資料。
2點analyze 下拉選單，選data reduction 下的factor 。
3開啟factor analysis後,將資料變數逐個選中進入variables 對話方塊中。
4單擊主對話方塊中的descriptive按扭，開啟factor analysis: descriptives子對話方塊，在statistics欄中選擇univariate descriptives項要求輸出個變數的均值與標準差，在correlation matrix 欄內選擇coefficients項，要求計算相關係數矩陣，單擊continue按鈕返回factor analysis主對話方塊。
5單擊主對話方塊中的extraction 按鈕，開啟如下圖所示的factor analysis: extraction 子對話方塊。在method列表中選擇預設因子抽取方法——principal components，在analyze 欄中選擇預設的correlation matrix 項要求從相關係數矩陣出發求解主成分，在exact 欄中選擇number of factors;6， 要求顯示所有主成分的得分和所能解釋的方差。
單擊continue按鈕返回factor analysis主對話方塊。
6單擊主對話方塊中的ok 按鈕，輸出結果。
如何用spss做主成分分析和因子分析
2樓：匿名使用者
因子分析
1輸入資料。
2點analyze 下拉選單，選data reduction 下的factor 。
3開啟factor analysis後,將資料變數逐個選中進入variables 對話方塊中。
4單擊主對話方塊中的descriptive按扭，開啟factor analysis: descriptives子對話方塊，在statistics欄中選擇univariate descriptives項要求輸出個變數的均值與標準差，在correlation matrix 欄內選擇coefficients項，要求計算相關係數矩陣，單擊continue按鈕返回factor analysis主對話方塊。
5單擊主對話方塊中的extraction 按鈕，開啟如下圖所示的factor analysis: extraction 子對話方塊。在method列表中選擇預設因子抽取方法——principal components，在analyze 欄中選擇預設的correlation matrix 項要求從相關係數矩陣出發求解主成分，在exact 欄中選擇number of factors;6， 要求顯示所有主成分的得分和所能解釋的方差。
單擊continue按鈕返回factor analysis主對話方塊。
6單擊主對話方塊中的ok 按鈕，輸出結果。
統計專業研究生工作室原創，請勿複雜貼上
spss中可以做主成分分析和因子分析嗎
3樓：匿名使用者
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.
怎麼用spss做因子分析 具體的步驟是什麼 哪位大神來詳細解答下啊
4樓：匿名使用者
可以使用**baispssau完成因子分析du，可結合幫助手冊的案例zhi懂的更快。dao通常有三個步驟：第版一步是判權斷是否適合進行因子分析;第二步是因子與題項對應關係判斷;第三步是因子命名。
第一步:判斷是否進行因子分析。
主要看kmo值大小，一般kmo值大於0.6說明適合進行因子分析。
第二步:提取因子，因子與題項對應關係判斷。
看因子的提取情況，以及因子載荷係數，分析題項與因子的對應關係。
第三步:因子命名。
在第二步刪除掉不合理題項後,並且確認因子與題項對應關係良好後,則可結合因子與題項對應關係,對因子進行命名。
5樓：匿名使用者
我這次的**bai也是用因子分
du析來做的zhi
，在圖書館借了幾dao
本書外加在回網上搜集的資料答
，可以說是小有成就啦
第一步就是先輸入資料，建議先將資料用excel列好，到時直接複製貼上了
第二步是分析相關性，將相關的變數剔除掉，選取手術幾個不相關的指標第三 採用主成分分析法對原始資料進行標準化變換並求相關係數矩陣rm@n, 求出r的特徵根ki及相應的標準正交化特徵向量ai, 計算特徵根ki的資訊貢獻率,確定主成分的個數, 將經過標準後的樣本指標值代入主成分, 計算每個樣本的主成分得分。
最後將主成分的值加總，得出排名。。。不知道我這麼做是不是麻煩的，，希望能幫到你，又不懂的還可以問我
6樓：在乎而猜
（1）用巴特來利球形檢自驗或kmo檢驗，判斷學生的各科成績是否適合因子分析；
（2）構造因子變數，用主成分分析法，確定公共因子；
（3）求因子載荷矩陣；
（4）對因子載荷矩陣進行旋轉，使各門課程在公共因子上的作用更加明顯並易於解釋；
（5）計算因子得分系數矩陣，根據迴歸演算法計算出因子得分函式的係數；
（6）根據「 」（其中 是第 個主成分的貢獻率， 是第 個因子的得分）模型，計算每個學生成績在 個公共因子上的得分並求和，以此作為綜合評價的依據進行排序。
7樓：匿名使用者
你好spss熟練掌握你怎麼聯絡呢
8樓：匿名使用者
只要你熟懂因子分析的原理你就可以看明白每個選項的意思以及處理的結果
如果不會分析我可以幫你分析
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
9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。
10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
11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在**
12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經過主成分分析後，得出3個因子，怎麼利用這幾個因子進行後續的迴歸分析。
13樓：
1.spss直接幫你把幾個因子都已經算出來了，就是fac1-1列就是因子f1，同理可以得知f2，f3....不用算的，如果問f1怎麼來的，就說是f1=0.
701x1-0.549x2+0.736x3+0.
216x4+0.112x5-0.318x6.
2.如果你進行主成分分析之後又要進行迴歸分析，應該是用提取出來的主因子作為自變數進行計算的，迴歸的話是只能有一個自變數，一個因變數才算迴歸的呢，如果不是的話，建議你使用多項式分析。
14樓：匿名使用者
你好。我遇到跟你同樣的疑問，請問你最後是在怎麼解決的呢？直接用得到的fac1-1,fac1-1-2來進行後續的迴歸分析嗎？急求，非常感謝！
如何用spss做主成分分析和因子分析
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...
spss做主成分分析提取的主成分是哪些
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...
用spss做主成分分析一定要將原始資料標準化嗎？為
不需要的，對資料標準化的目的是為了統一變數的單位 單位不同的變數間不宜直接進行統計分析，標準化使得所有變數的單位統一為sd 我們用spss做主成分分析的時候，預設使用變數的相關矩陣進行運算，相關係數本來就是一個標準化的統計量，也就是說主成分分析的過程已經包含了標準化的過程，沒有必要再專門給資料做一次...