3、元素的平方和
可见：因子变量Fj的方差贡献体现了同一因子Fj对原始所有变量总方差的解释能力，Sj/p表示了第j个因子解释原所有变量总方差的比例。
5 原有变量是否适合作因子分析
计算原有变量的相关系数矩阵，一般小于0.3就不适合作因子分析。
6 确定因子变量--主成份分析
6.1主成份分析法的数学模型
将原有的P个相关变量Xi作线性变换后转成另一组不相关的变量Yi
该方程组要求：
系数uij依照两个原则来确定：
yi与yj(i≠j,i,j=1,2,3,…p)互不相关；
y1是x1,x2,x3,…,xp的一切线性组合（系数满足上述方程组）中方差最大的；y2是与y1不相关
4、的x1,x2,x3,…,xp的一切线性组合中方差次大的；yP是与y1, y2, y3,…yp都不相关的x1,x2,x3,…,xp的一切线性组合中方差最小的；
y1在总方差中所占比例最大，它综合原有变量的能力最强，其余变量在总方差中所占比例依次递减，即：其余变量综合原有变量的能力依次减弱。
6.2主成份分析的基本步骤
（1）将原始数据标准化；
（2）计算变量间简单相关系数矩阵R；
（3）求R的特征值λ1≥λ2≥λ3≥…λp≥0及对应的单位特征向量μ1,μ2,μ3,…μp；
（4）得到：yi=u1ix1+u2ix2+…+upixp
6.3确定因子变量—计算因子载荷
7确定因
5、子变量个数
确定k个因子变量
（1）根据特征值λi确定：取特征值大于1的特征根；
（2）根据累计贡献率：一般累计贡献率应在70%以上；
（3）通过观察碎石图的方式确定因子变量的个数。
8因子变量的命名解释
（1）发现：
aij的绝对值可能在某一行的许多列上都有较大的取值，或aij的绝对值可能在某一列的许多行上都有较大的取值。
（2）表明：
某个原有变量xi可能同时与几个因子都有比较大的相关关系，也就是说，某个原有变量xi的信息需要由若干个因子变量来共同解释；同时，虽然一个因子变量可能能够解释许多变量的信息，但它却只能解释某个变量的一少部分信息，不是任何一个变量
6、的典型代表。
（3）结论：因子变量的实际含义不清楚
通过某种手段使：每个变量在尽可能少的因子上又比较高的载荷，即：在理想状态下，让某个变量在某个因子上的载荷趋于1，而在其他因子上的载荷趋于0。这样：一个因子变量就能够成为某个变量的典型代表，它的实际含义也就清楚了。
9计算因子得分
因子得分是因子变量构造的最终体现。
基本思想：是将因子变量表示为原有变量的线性组合，即：通过因子得分函数计算因子得分。
因子得分可看作各变量值的权数总和，权数的大小表示了变量对因子的重要程度。
10因子分析的基本步骤
（1）菜单选项：analyze->Data Reduction->Factor；
7、
（2）选择参与因子分析的变量到Variables框；
（3）Discriptive:分析是否适合做因子分析；
（4）Extraction：选择构造因子变量的方法，默认主成分分析法。
Extract框：指定确定因子个数的标准；
（5）Rotation：择因子载荷矩阵的旋转方法。默认是不进行旋转。一般可以选择Varimax选项采用方差极大法旋转。
（6）Scores：Save as variables：将因子得分存成一个名为FACn_m的SPSS变量中，其中：n是因子变量的名，以数字序号的形式表示；m表示是第几次作的。
Display factor score coefficient matrix项表示：以矩阵的形式输出因子得分函数。
Method框中提供了估计因子得分的几种方法。
浙ICP备2021020529号-1 | 浙B2-20240490 
