spss探索性因子分析的過(guò)程

1、現(xiàn)要對(duì)遠(yuǎn)程學(xué)習(xí)者對(duì)教育技術(shù)資源和使用情況進(jìn)行了解，設(shè)計(jì)一個(gè)李克特量表，如下圖所示：從未使用很少使用有時(shí)使用經(jīng)常使用總是使用問(wèn)題題項(xiàng)12345a1電腦a2錄音磁帶a3錄像帶a4網(wǎng)上資料a5校園網(wǎng)或因特網(wǎng)a6電子郵件a7電子討論網(wǎng)a8CAI課件a9視頻會(huì)議a10視聽(tīng)會(huì)議一因子分析的定義在現(xiàn)實(shí)研究過(guò)程中，往往需要對(duì)所反映事物、現(xiàn)象從多個(gè)角度進(jìn)行觀測(cè)。因此研究者往往設(shè)計(jì)出多個(gè)觀測(cè)變量，從多個(gè)變量收集大量數(shù)據(jù)以便進(jìn)行分析尋找規(guī)律。多變量大樣本雖然

2、會(huì)為我們的科學(xué)研究提供豐富的信息，但卻增加了數(shù)據(jù)采集和處理的難度。更重要的是許多變量之間存在一定的相關(guān)關(guān)系，導(dǎo)致了信息的重疊現(xiàn)象，從而增加了問(wèn)題分析的復(fù)雜性。因子分析是將現(xiàn)實(shí)生活中眾多相關(guān)、重疊的信息進(jìn)行合并和綜合，將原始的多個(gè)變量和指標(biāo)變成較少的幾個(gè)綜合變量和綜合指標(biāo)，以利于分析判定。用較少的綜合指標(biāo)分析存在于各變量中的各類信息，而各綜合指標(biāo)之間彼此是不相關(guān)的，代表各類信息的綜合指標(biāo)成為因子。因子分析就是用少數(shù)幾個(gè)因子來(lái)描述許多指標(biāo)之

3、間的聯(lián)系，以較少幾個(gè)因子反應(yīng)原資料的大部分信息的統(tǒng)計(jì)方法。2數(shù)學(xué)模型imimiiiiUFFFFZ??????????332211為第i個(gè)變量的標(biāo)準(zhǔn)化分?jǐn)?shù)；（標(biāo)準(zhǔn)分是一種由原始分推導(dǎo)出來(lái)的相對(duì)地位量數(shù)，它是用來(lái)說(shuō)明原始分在所屬iZ的那批分?jǐn)?shù)中的相對(duì)位置的。）為共同因子；mF為所有變量共同因子的數(shù)目；m為變量的唯一因素；iUiZ為因子負(fù)荷。（也叫因子載荷，統(tǒng)計(jì)意義就是第i個(gè)變量與第m個(gè)公共因子的相關(guān)系數(shù)它反映了第i個(gè)變量在im?第m個(gè)公共因

4、子上的相對(duì)重要性也就是第m個(gè)共同因子對(duì)第i個(gè)變量的解釋程度。）因子分析的理想情況，在于個(gè)別因子負(fù)荷不是很大就是很小，這樣每個(gè)變量才能與較少的共同因子產(chǎn)生密im?切關(guān)聯(lián)，如果想要以最少的共同因素?cái)?shù)來(lái)解釋變量間的關(guān)系程度，則彼此間不能有關(guān)聯(lián)存在。iU所謂的因子負(fù)荷就是因子結(jié)構(gòu)中原始變量與因子分析時(shí)抽取出共同因子的相關(guān)，即在各個(gè)因子變量不相關(guān)的情況下，因子負(fù)荷就是第i個(gè)原有變量和第m個(gè)因子變量間的相關(guān)系數(shù)，也就是在第m個(gè)共同因子變量上im?i

5、Z的相對(duì)重要性，因此，絕對(duì)值越大則公共因子和原有變量關(guān)系越強(qiáng)。在因子分析中有兩個(gè)重要指針：一為“共im?同性”，二為“特征值”。2.“描述按鈕”：主要設(shè)定對(duì)原始變量的基本描述并對(duì)原始變量進(jìn)行相關(guān)性分析。選中“原始分析結(jié)果”復(fù)選框，表示因子分析未轉(zhuǎn)軸前之共同性、特征值、變異數(shù)百分比及累積百分比，這是一個(gè)中間結(jié)果，對(duì)主成分分析來(lái)說(shuō)，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。KMO與Bartlett球形度檢驗(yàn)用來(lái)檢驗(yàn)適不適合用來(lái)做因