SPSS 16实用教程培训资料（6-10章下）.ppt

SPSS 16实用教程 第6章 相关分析 SPSS 16实用教程 第7章 回归分析 SPSS 16实用教程 第8章 聚类分析与判别分析 SPSS 16实用教程 第9章 因子分析 SPSS 16实用教程 第10章 非参数检验 英国统计学家Moser Scott在1961年对英国157个城镇发展水平进行调查时，原始测量的变量有57个，而通过因子分析发现，只需要用5个新的综合变量（它们是原始变量的线性组合），就可以解释95%的原始信息。对问题的研究从57维度降低到5个维度，因此可以进行更容易的分析。 9.1.2 数学模型 因子分析中的几个概念 1．因子载荷 2．变量共同度 3．公共因子Fj的方差贡献 因子分析有两个核心问题：一是如何构造因子变量；二是如何对因子变量进行命名解释。因子分析有下面4个基本步骤。 （1）确定待分析的原有若干变量是否适合于因子分析。 （2）构造因子变量。 （3）利用旋转使得因子变量更具有可解释性。 （4）计算因子变量的得分。 9.1.3 因子分析的4个基本步骤 因子分析是从众多的原始变量中构造出少数几个具有代表意义的因子变量，这里面有一个潜在的要求，即原有变量之间要具有比较强的相关性。如果原有变量之间不存在较强的相关关系，那么就无法从中综合出能反映某些变量共同特性的少数公共因子变量来。因此，在因子分析时，需要对原有变量作相关分析。 9.1.4 确定待分析的原有若干变量是否适合于因子分析 最简单的方法就是计算变量之间的相关系数矩阵。如果相关系数矩阵在进行统计检验中，大部分相关系数都小于0.3，并且未通过统计检验，那么这些变量就不适合于进行因子分析。 1．巴特利特球形检验（Bartlett Test of Sphericity） 2．反映像相关矩阵检验（Anti－image correlation matrix） 3．KMO（Kaiser-Meyer-Olkin）检验 因子分析中有多种确定因子变量的方法，如基于主成分模型的主成分分析法和基于因子分析模型的主轴因子法、极大似然法、最小二乘法等。其中基于主成分模型的主成分分析法是使用最多的因子分析方法之一。下面以该方法为对象进行分析。 9.1.5 构造因子变量 9.1.6 因子变量的命名解释 在实际分析工作中，主要是通过对载荷矩阵A的值进行分析，得到因子变量和原变量的关系，从而对新的因子变量进行命名。 计算因子得分是因子分析的最后一步。因子变量确定以后，对每一样本数据，希望得到它们在不同因子上的具体数据值，这些数值就是因子得分，它和原变量的得分相对应。有了因子得分，在以后的研究中，就可以针对维数少的因子得分来进行。 9.1.7 计算因子得分 9.2 SPSS中实现过程 9.2.1 SPSS中实现步骤 ? 研究问题 表9-2所示为20名大学生关于价值观的9项测验结果，包括合作性、对分配的看法、行为出发点、工作投入程度、对发展机会的看法、社会地位的看法、权力距离、对职位升迁的态度、以及领导风格的偏好。 表9-2 20名大学生的9项测验结果 18 19 17 18 18 17 16 17 20 16 16 15 18 18 16 16 15 16 19 20 19 18 19 16 17 17 17 16 16 16 18 17 14 17 17 17 19 17 18 18 18 16 15 19 18 16 16 15 17 16 18 13 16 16 17 14 19 16 15 20 16 16 18 18 19 17 18 18 17 16 17 20 16 16 15 18 18 16 16 15 16 19 20 19 18 19 16 17 17 17 16 16 16 18 17 14 17 17 17 19 17 18 18 18 16 15 19 18 16 16 15 17 16 18 13 16 16 17 14 19 16 15 20 16 16 18 18 19 17 18 18 17 16 17 20 16 16 15 18 18 16 16 15 16 19 20 19 18 19 16 17 17 17 16 16 16 18 17 14 17 17 17 19 17 18 18 18 16 15 19 18 16 16 15 17 16 18 13 16 16 领导风格 职位升迁 权力距离 社会地位 发展机会 工作投入 出发点 分 配 合作性 图8-26 “Discriminant Analysis：Stepwise Method”对话框 图8-27 “Discriminant Ana