spss基本分析方法步骤图解.docx
- 文档编号:14727593
- 上传时间:2023-06-26
- 格式:DOCX
- 页数:99
- 大小:1.04MB
spss基本分析方法步骤图解.docx
《spss基本分析方法步骤图解.docx》由会员分享,可在线阅读,更多相关《spss基本分析方法步骤图解.docx(99页珍藏版)》请在冰点文库上搜索。
spss基本分析方法步骤图解
spss教程:
因子分析
7
分步阅读
研究问题时尽可能多的收集资料,便于对问题有充分了解,这样确实便于全面、
精确地描述事物,实际数据建模中,有些变量不一定可以真正发挥作用,还可能加大计算工作量,所以要因子分析。
对于高纬变量和海量数据是不可忽略的问题。
收集到的变量数据通常之间存在一定的相关性,变量间的信息高度重叠和高度相关给统计方法带来困难,例如,在多元线性回归分析中,若变量之间有较强的相关性,则会对回归方程参数估计带来困难,致使参数不准确,模型不可用。
工具/原料
了解因子载荷、变量共同度、因子的方差贡献的相关概念
方法/步骤
1.因子相关性的检验:
方法有相关系数矩阵、反映像相关矩阵、巴特利特球
度检验、KMO检验。
■yI
询科
FEE
mhn
'M?
(■
EM
tHWT
-aniK
MM(■
”AU9A
I'rti»
gg
icra
昌is»
3EJ«
CIK»
的imcr
:
4£1M
wn
的41
Htt»
曲Cl
如恥
bCJtJ
E2IIH
4JW
wr
w,iw>y
*SeJElirum
4MPM
MH«
UMfll
TVINi
a«■口
-林r
P3'»
JHM»
WIH
MIPC4
rwjiO
乂打10
W)*
imw
*■州耐
■STBiOt
MPM
J1K»
Til?
a
WTtfWr«»W坏玛MJIs!
|»UdSOi
4㉚科n・M
M ft』 斗"•£ *»B|rl| ■( Znttn■- /m卜涓 厂卜 #耶1r-1 4f #・》・1 >'MMi 1 驹■・«-i 1羔| iSB •f殆 f, 严, UU44 ■>»■>iHUM 坤! IM 糾1询 flWItt J1ETI 2.因子提取和因子载荷矩阵的求解: 基于主成分模型的主成分分析法、基于 因子分析模型的主轴因子法、极大似然法、最小二乘法、a因子提取法、映像 分析法。 主成分分析法能够为因子分析提供初始解,因子分析是主成分分析结 果的延伸和拓展 1—1 wt=T-=ftr? RT ■f 「迫 率匸■r uyg___lj wnr MJM 3T1! lB "CIIN »Ur«- mm 岂毋oc 3? MH wq y a£4 MSBJx 垃! 2悴«■ ■ij«iH &/? /Ti Mb|fM CJEff* sap ITT5D '! ■ "id C4TKgrliM 兀*•羽9&(X*hfeKJtt- ㈣也 *! ««■ 9UJW «1-HK 4■胡賣 «h: w 古■IL T ] Q $ Ai. 审 L|Jf t E ST T WU I rrt ft a 'g 站 T| 9 E w -Inj 呻d-V W <1f 諾■[»叔l; 爭«rtM#tilp-・ |FhMJ$孑”x 1 世柑Pl .1 1 WT^i.: 尸匸好Lj I钿FiN Wc4*i IMftM 剜料 f-HMM 炉*H MKK WW ama t»>M ma» Rin» ? *H» n/» 曲«3 4HV» 3.因子命名、旋转: 在因子载荷矩阵中,多行情况,遇到变量与多个因子有 较大的相关关系,即变量需要多个因子共同解释;多列情况,一个因子可以同时解释多个变量。 说明一个因子不能单独代表原有的一个变量,因子模糊不清,而实际情况是对因子有清醒认识,所以因子旋转。 必不可少,尽量使一个变量在较少的几个因子上有比较高的载荷。 Q"MjHivL: ;kniir.刖才过n? 'iMtrf・i凹a卑 "*肚 器nsEZ誰諾 —314l-et— ■-対希弐丹- HE liW/w血vjwnErgMiwrmm 岭时轉diK-V即01护討弹細曲 w刊TH? »1? vi$ipigsk^qi i|M-£W$|A*-hhM弱嚣购雷抵y mix- urn sim HIM IKiJSH 3TB兀 fit £11M t-IQMH woc oa UMttK IIMViM n-QGO 3N: 7BKT7 JiMT ■HB4M 垃事K 梢農(4 ■W f$PH 4r谢并 ■2T1H 1»X r&iiM ife&i1tit WfM imcf 4C"-dJ •血叮 m 珈Z 卅憧 躺*静 MiM MB» ¥HtH 3WX 4MTH VTDH ET»J m虽 H -WH 皿律44 ■»馨罂 Etta mttc WIlM ^1» iHWI J237M SJfjK ■KftS,M JFHM 33K» 4rf4M Ml? -n h-Knl二■■*! ・•"1 ■VncHP*! *! n»^HrU 4. 计算因子得分: 因子得分为因子分析的最终体现,计算各因子在每个样本 上的具体数值,即为因子得分,形成的变量称为因子变量,在接下来的分析中 因子变量可代替原有的变量进行数据建模,对问题降维或简化处理 叨也专 二■爲OQTpttSS■比塑唱 5. ../J寫丫誤常驚M第二二霊二7'™二于■■! ! ■! hllml■■44衣||44■-IraLrfTJ: J Ml -6^1H 耳1HI MiN 丹z・、b ■jra———« *■3^1 L.: fertildi I113*0*11 PC勒FA 出”K> 曲璋 415H K>jb^A帥 : G胎 WVH HUM生PdiN VIIM FlftMMUMEM WllN leiM KlMiruHw CHS血昏 <4F» 3*W UH国 卩涨闻 CMS»W>bbM廣ERR imwwew昭Mi«NFg 3iM WHfltM#i8*ii黑itW-X- iniM*£Frq( »>? 4iwm S'MHiOir«fWM«W嘗 WISW**®« t«KL^BH-■>■ 屮1* M*M a.K! |«J -! "^Ji-I id时峠 ・《? ? 湘再 E»VH JJIU mi g科 &ri4 43M -jBIC •aw TTI]M KW “常 1MFT M片T 1IMM “i血 K2If TO! N ™i MlM 中世 1HE1M ”比di IlTWH ■3LU MJK T1 ■■■*■□『*a“Fix■坷 g;iixtri' ■ ■WSK! FiKT' m? mu •绅・|-•»,叮 -HisiMf? "二2筈: ■= 上」 J1AUF WWW WWF ft0 W^M VU3*M 4rdtw »}M J? XW HHJJH H-4X ^SMiM ■Ml曲 mw vm.H M7K MbIX 输出结果分析: witn 4»lM CMKI t-CMH 蛰*M算晝0*r&UMiiftEji! « 爲上种 4MTH jniH Ms: 対 mot itdm R? at« $I|SW A*? J mxi STS® 伪UKli 114RH nnas WTM 勢*■> 5TJW ? n? » ■创■ 13RM WIM NK.» 44ft«■ git営 PKU JHKSr-K B1HJ® »]'ii W17 借助相关系数矩阵、反映像相关矩阵、巴特利特球度检验和KMO检验方法分 析。 观察大部分相关系数都较高,线性关系较强,可以提取公共因子,适合因子分析。 在KMO中,概率为0.000小于显著性水平,拒绝原假设,与单位矩阵有显著差异,KMO为0.882,说明适合因子分析。 每组的列向量含义,特征值、方差贡献率、累计方差贡献率。 第二列表示提取两个因子,共同解释84.259%,丢失的信息较少。 第三列表示旋转后的因子,总的方差贡献率没有改变,就是说没有影响原有的共同度,重新分配各个因子解释原有变量的方差,改变各个因子的方差贡献率。 碎石图: 纵坐标为特征值,横坐标为因子个数。 特征值越小则对原有变量的贡献很小,可以忽略,所以提取两个也算是可以的。 成分矩阵: 结果是某个变量等于两个因子与对应系数相乘后相加的结果。 观察 可知,第一个因子与所有变量的相关性程度高,与第二个不高,含义模糊,不利于命名,所以因子要旋转。 因子命名解释: 采用方差极大法对因子载荷矩阵实行正交旋转以使因子具有命名解释性。 可以指定按照第一因子载荷降序的顺序输出旋转后的因子载荷。 见 图,联营、股份、集体、国有在第一因子有较高载荷,可解释为内部投资经济单位,其他、外商、港澳在第二个的载荷高,解释为外来投资经济单位。 观察因子协方差矩阵,两个因子的线性相关性几乎没有,符合因子分析的效果。 相兵矩PF 国有 您体 股份制 外1S 其他 相其国有 1.000 .825 .595 .773 .742 .786 .574 集体 .825 1.000 .716 740 .824 .849 .654 .595 .716 1000 .689 .598 676 482 股份制 .773 .740 689 1.000 765 849 .571 外商 .742 .824 598 765 1.000 898 .698 .786 849 .676 .849 898 1000 .747 其他 574 .654 .482 .571 .698 .747 1.000 KMO<0Bartlett的检船 砲样足够度的Kaiser-Meyer-Olkin度量*Bartlettm形度检強适似卡方 df Sig .882 182.913 21 .000 公因子方差 初始 提取 国有 1.000 .760 集体 1.000 .851 职苣 1.000 .599 股份制 1.000 .785 外商 1.000 .830 港澳 1.000 .913 其他 1.000 .592 提取方法: 主成份分析。 公IM子万走 SIR 1000 767 負体 1000 854 V* 1000 813 1000 818 外Bi 1000 855 应 1000 922 1000 871 提肮方法: 主廉份分析• 解卵的总方理 眾紛 wttwaoi 提取平方和假入 SH评方Wtt入 令计 方建的% 影枳% 合计 方 合计 方««% SRW% 1 5331 76.151 76151 5331 76151 76151 3.168 45281 45261 2 568 8108 84259 5W 8108 84259 2730 38997 84259 3 410 5859 90117 4 278 3976 94094 5 233 3327 97421 6 107 1531 98951 7 073 1049 100000 拢巾方法: 主朋份分斩• 成分数 成份矩阵a 成份 1 2 港澳 .955 -.095 集体 .923 .057 外商 ・9们 -.159 股份制 .886 .176 国有 .872 .086 联营 .774 .462 其他 .770 -.527 提取方法「主成份O a.已提取了2个成份。 旋转威份矩阵a 成份 1 2 联营 .883 .180 股份制 .773 .467 集体 •720 .579 国有 .702 .524 其他 .213 .908 外商 .566 .731 港澳 .642 .714 提取方法「主成份。 旋转法MMKaiser标准化的正交旋转法。 a.旋转在3次送代后收敛。 咸份保分警数距Pt 咸份 1 2 国有 .223 -.002 .196 042 联营 656 -.504 股馅 .331 -.117 外商 062 .322 港澳 .020 744 其他 -.519 .734 撐取芳法: 生成份*旋转沬眞有Kaiser标准代飽正交旋转法&构成得分* 廣伪得分协方差拒FI 成借 1 2 1 1.000 000 2 000 1.000 提取左法: 圭成份*旋砖法: MMKaiser标准化的正交旋转法&构成得汀* END 注意事项 最后可以在因子分析的基础上进行综合评价,权重是旋转后的因子方差贡献率,具体操作见自己写的别的文章。 SPSS实例: [1]计算信度(a系数) 克隆巴赫a系数是我们经常用到的一个信度指标,它指的是某一个维度内,不同题项间的一致程度,在编制问卷或者做探索性因素分析时,我们通常会报告a系数来表明我们的问卷可靠程度或者结构效度。 那么在spss中如何计算科隆巴赫 系数呢? 下面是具体的方法: 1.录入数据,如图所示,假如这八个变量都是因子1的几个题项,那么如何 计算这个因子的信度呢? 2.在菜单中执行: reliabilityanalysis,如图所示,也就是信度分析 42,-esv[DataSet! ]-IBMSPSSStatisticsDataEditor 5)eEdiilViewDataTransformAnalyzeDirectMancetingGraphsUtilitiesAdd-onsWindow旦已阳 囲. 1H四 ! 0: V52 VI V; 1 2 2 2 3 4 4 2 5 2 6 4 1 2 S 4 9 5 10 3 11 4 12 3 13 4 14 4 ■ i Reports DescriptiveS1aiiEEic$ * Tables CompareMeans * GeneralLinearModel GeneralizedLinearModels Ml^edModels Correlate * RegresEion Loglinear NeuralNetworks aassv DimensionReduction Scale NQnparamethcTests Forecasfing * Survival ! Mlifting 罚聞曲荀lsrJ^J一一亠JU14弋 V5 4 4 4 4 4 2 4 3 2 2 s 2 3 2 4 5 2 2 Ji d„ □ReliabilityAnalysis... 3 1 3 4 MutticfiimansianalUnfolding匸去上SCAL]…罰: Muibdimen£lonaESu2Li.; 圜KlutlidirEien引如郃Soling(ALSCAL) 3.将这个几个变量放入右侧的items框,记住这几个题项是属于一个维度或 者因子的 点击ok即可得到科隆巴赫系数 N % CasesValid 260 83.1 Excluded3 53 16.S Total 313 100.0 Cronbach's Alpha .&10 14 4.有时候我们有大量的信度系数要计算,比如一个问卷有12个维度,每个 维度都有一个信度系数,我们就需要重复的操作,不过我们可以使用命令,快速 在信度分析对话框中 paste 5.在命令窗口中,我们找到variables这个命令后面的item,如图所示,这 里就是变量名,如果我们想要计算其他的信度,我们可以将变量名进行修改,然 ChhSquareTests Va^e df Asymp,Sig. (2-sidedJ ExactSig(2sided) ExactSiQ.(Vsided) PearsonChi-Square 42.665a 1 .000 ContinuityCorrection^ 41.601 1 .000 □kelihoodRatio 43.277 1 .000 Fisher'sExactTest .000 000 Line自M屮LIn河 42595 1 .000 Association NofValidCases 603 a0cells(0.0%)haveexpactadcountlassthan5.PieminimumexpectedcountIs12^b.Computedonlyfora2x2table SPSS-如何进行多元线性回归预测 在数据分析行业内,最困难的一项工作就是对未来的某项变化进行预测,以下给 各位分享如何利用多元线性回归模型对因变量进行预测: 步骤: 1.建立预测模型: 这里模型为: 本例中收集了某地区过去16年的蛾量、卵 量、降水量、雨日以及幼虫密度的历史数据,这里蛾量、卵量、降水量和雨日可 以统计得到,因此需要这4个自变量来预测因变量幼虫密度,这里建立模型 Y=a+x1*b1+x2*b2+x3*b3+x4*b4,其中Y表示幼虫密度,a为随机误差, x1为蛾量,bl为蛾量的影响系数,x2为卵量,b2为卵量的影响系数,x3为降 水量,b3为降水量的影响系数,x4为雨日,b4为雨日的影响系数。 畐寡元回归实验品灯閱揭集1]-IBMSPSSStatistics数秦编辑器 文件也编辑逍视囹埶据⑼转换①分析d直H(M)圏1 新建凹► 1由巍搦◎ 打幵©打开数据 打开埶据库⑨卜 f轸iBSO 広输岀© Oi*$ 1 逼打开文本埶据(0… 翠水里P ■丰】FGfTrl4-F4 41 1: 幼虫蛮歿10 坪分 卩幻K里 雨日 幼虫密咯 1 1350 1022 112 斗 2 10 2 19^61 300 44D 0 1 4 3 1^&2 695 67 3 1 9 4 1953 1376 675 17 7 55 5 19-55 43 80 2 2 1 € 1966 422 20 0 0 3 7 19^7 306 510 12 3 28 S 197S 115 240 1 2 7 9 1971 710 14€0 18 4 45 10 1972 303 €30 13 3 26 11 1^? 3 572 2S0 13 4 16 12 1S74 264 330 42 3 19 13 1975 19S 165 72 5 23 九 1976 461 140 8 5 28 15 1977 769 640 45 3 44 16 157B 255 €5 0 0 11 1? 18 19 21 22 ;i3 ■■ 3. SPSS分析数据 方法如下图 梦元回归宾乾品v阖崔矢1: -IBMSPSSStatistKs蠶看堀垣器 交件迥编辑©视圉巴数据型转按① 廿忻◎ 直梢r迪)圉冊©实用程序§窗口(也帮助 扌艮告砒克计 1-紬虫密度 年分 1960 1961 1962 1963 1965 1966 1967 1976 1022 300 邛 1376 43 422 30G 115 生翩©广义线性複型洱台複型凶畔® 翊㈣ 10 1971 718 分类旧 9 55 團目动餓性建複四…岛绕性◎… 8 9 12 13 1972 1973 803 15 16 1.' 18 137A ⑼5 1976 1977 1973 S72 264 138 461 769 255 ^1© 生存函数⑤
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- spss 基本 分析 方法 步骤 图解