研《主成分分析與因子分析》-文庫吧

【正文】 作性、對(duì)分配的看法、行為出發(fā)點(diǎn)、工作投入程度、對(duì)發(fā)展機(jī)會(huì)的看法、社會(huì)地位的看法、權(quán)力距離、對(duì)職位升遷的態(tài)度、以及領(lǐng)導(dǎo)風(fēng)格的偏好。要求根據(jù)這 9項(xiàng)內(nèi)容進(jìn)行因子分析 ， 得到維度較少的幾個(gè)因子。 合作性 分配 出發(fā)點(diǎn) 工作投入 發(fā)展機(jī)會(huì) 社會(huì)地位 權(quán)力距離 職位升遷 領(lǐng)導(dǎo)風(fēng)格 16 16 13 18 16 17 15 16 16 18 19 15 16 18 18 18 17 19 17 17 17 14 17 18 16 16 16 17 17 17 16 19 18 19 20 19 16 15 16 16 18 18 15 16 16 20 17 16 17 18 18 17 19 18 18 16 16 20 15 16 19 14 17 20 18 18 17 18 19 18 19 18 14 16 15 19 19 19 18 19 14 19 19 20 14 18 20 19 17 20 19 19 14 14 16 17 16 17 18 15 15 18 16 18 18 19 17 18 16 17 15 17 15 18 16 14 13 17 14 12 14 14 18 15 15 13 14 16 14 15 16 16 17 16 17 10 11 13 18 17 20 17 16 20 16 17 15 16 14 16 14 15 17 15 16 15 17 16 16 16 15 16 16 19 18 15 17 12 19 18 18 16 16 13 18 16 17 15 16 16 ? Statistics： ?Univariate descriptives： 要求輸出各變量的均數(shù)與標(biāo)準(zhǔn)差。 ?Initial solulion： 表示輸出初始分析結(jié)果。輸出的是因子提取前分析變量的公因子方差 ，是一個(gè)中間結(jié)果。對(duì)主成分分析來說 ， 這些值是要進(jìn)行分析變量的相關(guān)或協(xié)方差矩陣的對(duì)角元素 ； 對(duì)因子分析模型來說 ， 輸出的是每個(gè)變量用其他變量作預(yù)測(cè)因子的載荷平方和。 ? Correlation Matrix： ?Coefficients： 要求計(jì)算相關(guān)系數(shù)矩陣。 ?Significance levels： 顯著性水平。選擇此項(xiàng)給出每個(gè)相關(guān)系數(shù)的單尾假設(shè)檢驗(yàn)的水平。 ?Determinant： 相關(guān)系數(shù)矩陣的行列式。 ?Inverse： 相關(guān)系數(shù)矩陣的逆矩陣。 ?Reproduced： 此項(xiàng)給出因子分析后的相關(guān)陣 ， 還給出殘差 ， 即原始相關(guān)與再生相關(guān)之間的差值。 ?Antiimage： 反映像相關(guān)矩陣檢驗(yàn)。反映像相關(guān)陣 ，包括偏相關(guān)系數(shù)的取反 ； 反映像協(xié)方差陣 ， 包括偏協(xié)方差的取反。一個(gè)好的因子中 ， 除了對(duì)角線上系數(shù)較大外 ， 其他元素應(yīng)該比較小。 ?KMO and Bartlett39。s test of sphericity： KMO檢驗(yàn) ，檢驗(yàn)變量間的偏相關(guān)是否很小 ； 巴特利特球形檢驗(yàn) ， 檢驗(yàn)相關(guān)陣是否是單位陣。 ? Method下拉框中 ： ?Principal ponents： 主成分分析法。該方法假定原變量是因子變量的線性組合。第一主成分有最大的方差 ， 后續(xù)成分可解釋的方差越來越少。 ?Unweighted least squares： 未加權(quán)最小平方法 ， 該方法使得觀測(cè)的和再生的相關(guān)矩陣之差的平方和最小 ， 不記對(duì)角元素。 ?Generalized least squares： 綜合最小平方法 ， 用變量的倒數(shù)值加權(quán) ， 使得測(cè)的和再生的相關(guān)矩陣之差的平方和最小。 ?Maximum likelihood： 極大似然估計(jì)法 ， 此方法不要求多元正態(tài)分布。 ? Method下拉框中 ： ?Principal aXis factoring： 主軸因子法 ， 用多元相關(guān)的平方作為對(duì)公因子方差的初始估計(jì)。初始估計(jì)公因子方差是多元相關(guān)系數(shù)的平方置于對(duì)角線上。這些因子載荷用于估計(jì)新公因子方差 ， 替換對(duì)角線上的前一次公因子方差估計(jì)。迭代持續(xù)到公因子方差的變化滿足提取因子的收斂判據(jù)為止。 ?Alpha factoring： a因子法。 ?Image factoring： 映像因子提取法 ， 也稱多元回歸法。由 Guttman提出 ， 根據(jù)映像學(xué)原理提取公因子的方法。把一個(gè)變量看出其他各個(gè)變量的多元回歸。 ? Analyze框用于選擇提取因子變量的依據(jù) ： ?correlation matrix： 表示依據(jù)相關(guān)系數(shù)矩陣。 ?Covariance matrix： 表示依據(jù)協(xié)方差矩陣。 ? Extract框用于指定因子個(gè)數(shù)的標(biāo)準(zhǔn) ， 其中 ： ?Eigenvaluse over： 表示該選項(xiàng)后面可以輸入一個(gè)特征值 ， SPSS將提取特征值大于該值的因子 ， SPSS默認(rèn)為 1。 指定特征值提取因子個(gè)數(shù)是 SPSS默認(rèn)的方法。 ?Number of factors： 表示該選項(xiàng)后面可以輸入要提取因子的個(gè)數(shù)。 SPSS將提取指定個(gè)數(shù)的因子。理論上有多少個(gè)變量 ， 就可以有多少個(gè)因子 ， 因此輸入的數(shù)值應(yīng)該介于 O和分析變量數(shù)之間的整數(shù)。 Display欄 ， 指定與因子提取有關(guān)的輸出項(xiàng) Unrotated factor solution： 要求顯示未經(jīng)旋轉(zhuǎn)的因子提取結(jié)果 ， 此項(xiàng)為系統(tǒng)默認(rèn)的輸出方式。 Scree plot： 要求顯示按特征值大小排列的因子序號(hào) ， 以特征值為兩個(gè)坐標(biāo)軸的陡坡圖 ， 可以有助于確定保留多少個(gè)因子 ， 典型的陡坡圖會(huì)有一個(gè)明顯的拐點(diǎn) ， 在該點(diǎn)之前是與大因子連接的陡峭的折線 ， 之后是與小因子相連的緩坡折線。 ? Method框用于選擇因子旋轉(zhuǎn)方法 ， 其中 ： ?None： 不作因子旋轉(zhuǎn)。 ?Varimax： 方差極大法旋轉(zhuǎn) ， 又稱正交旋轉(zhuǎn)。它使得每個(gè)因子上的具有最高載荷的變量數(shù)目最小 ，因此可以簡(jiǎn)化對(duì)因子的解釋。 ?Direct Oblimin： 直接斜交旋轉(zhuǎn) ， 指定該項(xiàng) ， 可以在下面的矩形框中輸入 Delta值 ， 該值在 0～ 1之間 。0值產(chǎn)生最高的相關(guān)系數(shù)。 ?Quartimax： 四分最大正交旋轉(zhuǎn) ， 對(duì)變量作旋轉(zhuǎn) ，該方法使得每個(gè)變量中需要解釋的因子數(shù)最少。 ?Equamax： 平均正交旋轉(zhuǎn) ， 是 Varimax方法和Quartimax方法的結(jié)合 ， 對(duì)變量和因子均作旋轉(zhuǎn)。 ?Promax： 斜交旋轉(zhuǎn)方法 ， 允許因子間相關(guān)。它比直接斜交旋轉(zhuǎn)更快 ， 適用于大數(shù)據(jù)的因子分析。 ? Display框用于選擇輸出哪些與因子旋轉(zhuǎn)有關(guān)的信息 ， 其中 ： ?Rotated solution： 輸出旋轉(zhuǎn)后的因子載荷矩陣 ， 對(duì)于正交旋轉(zhuǎn)方法 ， 給出的旋轉(zhuǎn)以后的因子矩陣模式和因子轉(zhuǎn)換矩陣 ； 對(duì)于斜交旋轉(zhuǎn)顯示旋轉(zhuǎn)以后的因子矩陣模式、因子結(jié)構(gòu)矩陣和因子間的相關(guān)矩陣。 ?Loading plot： 輸出載荷散點(diǎn)圖。指定該項(xiàng)將給出兩兩因子為坐標(biāo)的各個(gè)變量的載荷散點(diǎn)圖。如果有兩個(gè)因子 ， 則給出各原始變量在因子 1和因子 2坐標(biāo)系中的散點(diǎn)圖。如果多于兩個(gè) ， 則給出前 3個(gè)因子的三維因子載荷散點(diǎn)圖。如果只提取出了一個(gè)因子 ， 則不會(huì)輸出散點(diǎn)圖。選擇此項(xiàng) ， 給出的旋轉(zhuǎn)以后的因子載荷圖。 該對(duì)話框選擇對(duì)因子得分進(jìn)行設(shè)置 ， 其中 ： ? Save as variables： 將因子得分作為新變量保存在數(shù)掘文什中。程序運(yùn)行結(jié)束后 ， 存數(shù)據(jù)編輯窗口中將顯示出新變量。可在 Method框中選擇3種估計(jì)因子得分系數(shù)的方法 ： ?Regression： 其因子得分均值為 0， 方差等于估計(jì)因子得分與實(shí)際因子得分之間的多元相關(guān)的平方。 ?Bartlett： 巴特立特法。因子得分均值為 0， 超出變量范圍的各因子平方和被最小化。 ?Anderson— Rubin： 因子得分均值為 0， 標(biāo)準(zhǔn)差為 1，彼此不相關(guān)。 ? Display factor score coefficient matrix： 顯示因子得分系數(shù)矩陣。 該對(duì)話框可以指定輸出其他因子分析的結(jié)果 ， 并選擇對(duì)缺失數(shù)據(jù)的處理辦法。其中 ： ? Missing Values框用于選擇缺失值處理方法 ： ?Regression Exclude cases listwise： 去除所有含缺失值的個(gè)案后再進(jìn)行分析。 ?Exclude cases pairwise： 當(dāng)分析計(jì)算涉及到含有缺失值的變量 ， 則去掉在該變量上是缺失值的個(gè)案。 ?Replace with mean： 當(dāng)分析計(jì)算涉及到含有缺失值的變量時(shí) ， 用平均值代替該缺失值。 Coefficient Display Format框用于選擇載荷系數(shù)的顯示格式 ： ?Sorted by size： 載荷系數(shù)按照數(shù)值的大小排列 ， 并構(gòu)成矩陣 ， 使得在同一因子上具有較高載荷的變量排列在一起 ， 便于得到結(jié)論。 ?Suppress absolute values less than： 不顯示哪些絕對(duì)值小于指定值的載荷系數(shù)。選中此項(xiàng) ，需要在后面的框中輸入一個(gè) 0～ 1之間的數(shù) ，系統(tǒng)默認(rèn)該值為 。選擇該項(xiàng)可以突出載荷較大的變量。 D e s c r i p t i v e S t a t i s t i c s1 6 . 4 5 2 . 3 2 8 201 6 . 5 0 1 . 9 3 3 201 5 . 5 0 2 . 0 6 5 201 6 . 3 5 1 . 7 2 5 201 6 . 7 5 1 . 5 1 7 201 7 . 4 5 1 . 7 6 1 201 6 . 9 0 1 . 6 5 1 201 6 . 6 0 1 . 6 9 8 201 6 . 9 5 2 . 0 1 2 20合作性分配出發(fā)點(diǎn)工作投入發(fā)展機(jī)會(huì)社會(huì)地位權(quán)力距離職位升遷領(lǐng)導(dǎo)風(fēng)格M e a nS t d .D e v i a t i o n A n a l y s i s NC o r r e l a t i o n M a t r i xa1 . 0 0 0 . 7 3 1 . 4 1 1 . 2 6 4 . 0 7 8 . 0 0 1 . 1 3 6 . 2 6 1 . 1 0 6. 7 3 1 1 . 0 0 0 . 5 1 4 . 3 5 5 . 1 7 0 . 3 0 1 . 2 6 4 . 3 2 1 . 1 9 6. 4 1 1 . 5 1 4 1 . 0 0 0 . 2 2 9 . 5 4 6 . 0 2 2 . 6 6 4 . 4 2 0 . 4 5 0 . 2 6 4 . 3 5 5 . 2 2 9 1 . 0 0 0 . 0 3 5 . 0 6 7 . 0 8 7 . 0 7 5 . 1 3 1. 0 7 8 . 1 7 0 . 5 4 6 . 0 3 5 1 . 0 0 0 . 3 7 9 . 5 9 9 . 8 1 7 . 4 6 1 . 0 0 1 . 3 0 1 . 0 2 2 . 0 6 7 . 3 7 9 1 . 0 0 0 . 0 3 4 . 1 6 9 . 0 9 6. 1 3 6 . 2 6 4 . 6 6 4 . 0 8 7 . 5 9 9 . 0 3 4 1 . 0 0 0 . 5 1 1 . 5 2 1. 2 6 1 . 3 2 1 . 4 2 0 . 0 7 5 . 8 1 7 . 1 6 9 . 5 1 1 1 . 0 0 0 . 4 2 5. 1 0 6 . 1 9 6 . 4 5 0 . 1 3 1 . 4 6 1 . 0 9 6 . 5 2 1 . 4 2 5 1 . 0 0 0. 0 0 0 . 0 3 6 . 1 3 0 . 3 7 2 . 4 9 9 . 2 8 4 . 1 3 3 . 3 2 8. 0 0 0 . 0 1 0 . 0 6 2 . 2 3 6 . 0 9 8 . 1 3 1 . 0 8 4 . 2 0 4. 0 3 6 . 0 1 0 . 1 6 6 . 0 0 6 . 4 6 4 . 0 0 1 . 0 3 3 . 0 2 3. 1 3 0 . 0 6 2 . 1 6 6 . 4 4 1 . 3 9 0 . 3 5 8 . 3 7 6 . 2 9 1. 3 7 2 . 2 3 6 . 0 0 6 . 4 4 1 . 0 5 0 . 0 0 3 . 0 0 0 . 0 2 0. 4 9 9 . 0 9 8 . 4 6 4 . 3 9 0 . 0 5 0 . 4 4 3 . 2 3 8 . 3 4 4. 2 8 4 . 1 3 1 . 0 0 1 . 3 5 8 . 0 0 3 . 4 4 3 . 0 1 1 . 0 0 9. 1 3 3 . 0 8