内容发布更新时间 : 2024/12/27 8:35:00星期一 下面是文章的全部内容请认真阅读。

§8.6 因子分析的spss实现

在前面，我们用SPSS的Factor Analysis模块实现了主成分分析，实际上，Factor Analysis主要是SPSS软件进行因子分析的模块，由于主成分分析与因子分析（特别是因子分析中的主成分法）之间有密切的关系，SPSS软件将这两种分析方法放到同一模块中。

下面我们先用SPSS软件自带的数据说明Factor Analysis模块进行因子分析的方法，然后给出一个具体案例。为了与主成分分析进行比较，我们此处仍延用SPSS自带的Employee data.sav数据集。

【例8.6.1】 数据集wxm6-5.sav中各变量解释说明见上一章主成分分析，用Factor Analysis模块进行因子分析。

打开wxm6-5.sav数据集并依次选分析(Analyze) =>降维（Dimension reduction）=>因子分析（Factor）打开因子分析（Factor）对话框： 变量x1-x8进入Variables窗口。

点击对话框右侧的Extraction进入Extration对话框，在Method选项框我们看到SPSS默认是用主成分法提取因子，

在Analyze框架中看到是从分析相关阵的结构出发求解公因子。点Continue按钮继续。如果这样交由程序运行的话，将得到与主成分分析同样的结果，其中包括公因子解释方差的比例，因子载荷矩阵(即Component Matrix) 等。

选中scores => Display factor score coefficient matrix复选框，它要求SPSS输出因子得分矩阵，即标准化主成分（因子）用原始变量线性表示的系数矩阵。

点Continue继续，点OK按钮运行，可以得到如下输出结果：

Communalities 100m(秒) 200m（秒) 400m（秒） Initial 1.000 1.000 1.000 Extraction .668 .752 .838 800m（分） 1500m（分） 5000m（分） 10000m（分） 马拉松（分） 1.000 1.000 1.000 1.000 1.000 .900 .920 .879 .891 .774 Extraction Method: Principal Component Analysis. Total Variance Explained Component 1 2 3 4 5 6 7 8 Total 6.622 .878 .159 .124 .080 .068 .046 .023 Initial Eigenvalues % of Variance 82.777 10.970 1.992 1.551 .999 .850 .580 .283 Cumulative % 82.777 93.747 95.739 97.289 98.288 99.137 99.717 100.000 Extraction Sums of Squared Loadings Total 6.622 % of Variance 82.777 Cumulative % 82.777 Extraction Method: Principal Component Analysis. Component Matrix a 100m(秒) 200m（秒) 400m（秒） 800m（分） 1500m（分） 5000m（分） 10000m（分） 马拉松（分） Component 1 .817 .867 .915 .949 .959 .938 .944 .880 Extraction Method: Principal Component Analysis.