SPSS教程学习笔记2:因子分析

数据小兵
数据小兵
数据小兵
64
文章
0
评论
2020-04-1803:05:00 评论 1,215 1110字
摘要

因子分析被各行业广泛应用,各种案例琳琅满目,尤其是高校毕业季,每到4至6月这些文章总会被高校毕业生扒拉一遍,也总能收到各种留言和咨询,今天分享一个经典案例以飨读者。

一.什么是因子分析?

因子分析是基于相关关系而进行的数据分析技术,是一种建立在观测数据基础上的降维方法。其主要目的是探索隐藏在大量观测数据背后的某种结构,寻找一组变量变化的共同因子。

二.因子分析能做什么?

人的心理结构具有层次性,即分为外显和内隐。但是作为具有同一性的个体来说,内隐的方面总是和外显的方面相互作用,内隐方面制约着外显特征。所以我们经常说,一个人的内在自我会在相当程度上决定他的外在行为特征,表现为某些行为倾向具有高度的一致性或相关性。 反过来说,我们可以通过对个体进行系统的观察和测量,从一组高度相关的行为倾向(可观测)中,探索到某种稳定的内在心理结构(潜存在),这就是因子分析所能做的。 具体来说主要应用于: (1)个体的综合评价:按照综合因子得分对case进行排序; (2)调查问卷效度分析:问卷所列问题作为输入变量,通过KMO、因子特征值贡献率、因子命名等判断调查问卷架构质量; (3)降维处理,结果再利用:因子得分作为变量,进行 聚类 或其他分析。

三.案例描述:

高中大家都读过吧,那是一个以成绩论英雄的时代,理科王子、文科小生是时代标签。为什么我们会将数学、物理、化学归并为理科,其他的归并为文科,有没有数据支持?今天我们将用科学的方法找到答案。

SPSS教程学习笔记2:因子分析

100个学生数学、物理、化学、语文、历史、英语成绩如下表(部分),请你来评价他们。 这是一个有趣的案例,你可以客观的观测到每一科目的成绩,但你可以直接看到理科、文科的情况吗?6个科目的成绩是我们观测到的外在表现,隐藏在其中的公共因子你找到了吗?如果我们针对6科目做降维处理,会得到什么结果,拭目以待。

四.SPSS分析过程

6科目成绩作为6个原始变量,利用SPSS进行因子分析,具体步骤请参照各因子分析教程 ,默认亦可。 公共因子命名:能否解释清楚、有无实际意义

SPSS教程学习笔记2:因子分析

经过SPSS降维,由公因子方差表看出,默认提取两个公因子,能够解释差异的81%,似乎暗合文科和理科。

SPSS教程学习笔记2:因子分析

我们试图通过旋转后进行因子的命名与解释,这似乎一点也不难,因子1与语文、历史、英语三科最相关,均在0.8相关度以上,因子2与数学、物理、化学相关,也基本达到0.8以上,这正好与我们经常说的文科和理科不谋而合,没有理由不这样命名。

SPSS教程学习笔记2:因子分析

因子得分排序:综合评价 为公共因子合理命名之后,因子分析并没有结束,一般可以将因子得分作为变量,用于后续分析步骤。 本例:100名学生按照文科和理科因子得分进行排序,可以用(语文+历时+英语)及(数学+物理+化学)平均值验证因子得分排序是否合理,同时,也可以观测因子得分为负值时是否影响排序。

特别声明:本文由数据小兵原创

End.作者:数据小兵来源:博客本文均已和作者授权,如转载请与作者联系。

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: