excel做因子分析

今天给各位分享excel做因子分析的知识，其中也会对excel多因子回归进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

excel做因子分析

本文目录一览：

1、excel能对李克特量表做回归分析吗？
2、因子分析怎么做?
3、因子分析spss步骤
4、进行因子分析的前提条件是各变量之间应该怎么做
5、因子分析的步骤
6、用excel能完成像Minitab那样的因子分析吗

excel能对李克特量表做回归分析吗？

excel不能对李克特量表做回归分析，需要用spss制作。

制作方法举例说明：

在市场研究中，经常要测量消费者的消费行为、态度、信仰和价值观，当然最重要的是测量消费者的消费行为和态度，往往采用一组态度量表进行测量，用1-5打分或1-9打分，经常提到的李克特量表。

2.上面的数据是为了测量消费者的生活方式或者价值观什么的，选择了24个语句，让消费者进行评估，同意还是不同意，像我还是不像，赞成还是不赞成等等，用1-9打分；

3.因子分析有探索性因子分析和证实性因物戚子分析之分，这里主要讨论探索性因子分析！证实性因子分析主要采用SEM结构方程式来解决。

4.从探索性因子分析角度看：

一种非常实用的多元统计分析方法；

一种探索性变量分析技术；

分析多变量相互依赖关系的方法；

数据和变量的消减技术；

其它细分技术的预处理过程；

5.首先，24个可测量的观测变量之间的存在相互依赖关系，并且确信某些观测变量指示了潜在的结构-因子，也就是存在潜在的因子；而潜在的因子是不可观测的，例如：真实的满意度水平，购买的倾向性、收获、态度、经济地位、忠诚度、促销、广告效果、品牌形象等，所以，我们必须从多个角度或维度去测量，比如多维度测量购买产品的动机、消费习惯、生活态度和方式等；

6.这样，一组量表，有太多的变量，希望能够消减变量，用一个新的、更小的由原始变量集组合成的新变量集作进一步分析。这就是因子分析的本质，所以在SPSS软件中，因子分析方法归类在消减变量菜单下。新的变量集能够更好的说明问题，利于简化和解释问题。

7.当然，因子分析也往往是预处理技术，例如，在市场研究中我们要进行市场细分研究，往往采用一组量表测量消费者，首先，通过因子分析得到消减变量后的正交的因子（概念），然后利用因子进行聚类分析，而不再用原来的测量变量了。这是市场研究中因子分析的主要应用。其实，在多元回归分析中，如果多个自变量存在相关性，如果可以用因子分析，得到几个不相关的变量（因子），再进行回归，就解决了自变量共线性问题。

8.下面是要理解的因子分析的基本概念：

一种简化数据的技术。

探索性因子分析和证实性因子分析

因子分析就是要找到具有本质意义的少量因子。

用一定的结构/模型，去表达或解释大量可观测的变量。

用相对少量的几个因子解释原来许多相互关联的变量之间的关系。

描述的变量是可观测的——显在变量。

相关性较高，联系比较紧密的变量放在一类。

每一类变量隐含一个因子——潜在变量。

不同类的变量之间相关性较弱。

各个因子之间不相关。

9.下面通过SPSS Statistics软件来进行庆游操作。

10.在进行因子分析前，务必明确数据集中24个变量是否存在缺失值问题,默认情况下系统采用Lisewase，也即是只要24个变量有一个缺失，该记录删除，也就是说如果样本存在大量缺失，可能造成因子分析的样本量大量收缩。

11. 在方法上，如果不是非常理解或有特殊要求，就选择主成份方法；这也是为什么在SPSS软件中没有独立的主成份分析，其实是包容在因子分析中了，记住一点：如果24个变量存在因子结构，用什么方法得当的结果基本相同。况且，市场研究采用量表24个变量的测量尺度都是一致的，如果没有特殊要求，默然选择抽取特征值大于1的因子，选择碎石图——也是表达因子选择的图示方式。因为是研究结构，所以从相关矩阵出发，实际上就是标准化后的方差矩阵，没有了量纲。

接下来，选择因子旋转方法。

12.因子旋转是因子分析的核心技巧，也是期望得到的结果。旋转的概念就是坐标变换，不过旋转有正交和斜交旋转差别罢了，从解释因子结构的角度正交旋转是最容易解释的，得到的因子也是不相关的；斜交则得到的因子具有相关性，但更符合或能捕捉数据的维度，所以，有一种说法，如果是接下来要进行市场细分，最好采用斜交更好。当然，最常用的，一般采用最大方差旋转。

最后，有一个选择要完成，就是选项对话框。

要选择按大小排序，并且将因子负荷小于0.4的都不显示，这样看的更清楚。

13. 从样本量角度看因子负荷，大部分市场研究样本量都在200以上。

14. 从结果可以看出，Bartlett球检验是显著的，说明存在因子结构，另外KMO=0.764，较适宜因子分析，一般KMO=0.8就是Excellent了。

接下来看因子方差解释，总的方差解释是63.448%，总共存在7个公因子，罩差陵说明如果将来不用24个变量，而改用这7个因子可以说明原来24个变量的63.4%的变差。

如果只是看非旋转的话，就是主成份分析部分了，来看旋转后的结果：

15.可以看到因子排列非常恰当和明显，这都是因为在选项中选择了排序和压缩了小于0.4的负荷值！

可以看到F1_6变量在3和4因子上都有负荷，这就产生了双负荷，如果存在大量的双负荷，就要考虑是否要斜交旋转了。

16. 最后，要完成回归分析命名。如果不能给出好的因子命名，放弃24个变量用7个因子变量都不知道意义，当然如何命名因子是个艺术活了。

17.一般的思考方式是：

1）先看意义，哪些变量负荷在一个因子上，是否能解释这些因子；

2）如果可以，选择因子名称；

3）如果不能给出恰当名字，就选择负荷变量的简称综合在一起，先代表着；

4）随着后续的分析，因子慢慢确定；

到这里对理科特亮表做回归分析就完成了！

因子分析怎么做?

问题一：用SPSS已经做出了因子分析，那么具体的分析结果应该怎么看呢？ KMO检验统计量在0.7以上，说明变量之间的偏相关性较强，适合做因子分析，球形检验p小于0.001，说明变量之间存在相关性。第二格表格为共同性，表示各变量中所含原始信息能被提取的共同因子所表示的程度，根据你的数据，你提取的公因子是两个，第三个表格是指提取的俩个主成分能解福差异的比列，第四个表格是主成分表达式，第五表格是因子得分公式。

问题二：因子分析到底有什么用处？问题：大家觉得因子分析到底有什幺用处呢？把原来很多个影响因素归纳成几个影响因子，如果不继续做回归或者聚类的话，光做因子分析有价值吗？答复：因子分析是将多个实测变量转换为少数几个综合指标（或称潜变量），它反映一种降维的思想。通过降维将相关性高的变量聚在一起，从而减少需要分析的变量的数量，而减少问题分析的复杂性。在你对问题系统结构不了解时候，因子分析可以根据数据内在逻辑性，把它归并成几个公因子，每个公因子分别代表空间的一个维度，如果经过正交或斜交旋转的话，各个维度之间可以认为是不相关的，这些公因子能够相对完整地刻画对象的体系维度，最起码累计方差贡献率大于85%的话，就基本能够保证重要信息不丢失了。一句话，你如果对研究对象到底应该分为几个维度不清楚的话，用因子分析可以通过数据内在逻辑告诉你。但如果你对研究对象体系比较清楚的话，那你直接确定维度，通过AHP计算出权重，就能够把系统表述清楚了。但这里面有巨大问题，单纯通过数据内在逻辑来判断维度，常常是错误的，而主观判断其实更加科学，并非象统计学宣称的，数据说话才有发言权。真正有发言权的，是你对问题的经验认识程度。人们为了避免被人嘲笑主观判断的失误，而越来越选择了统计分析，实际上，他们并不清楚，单纯用统计分析来做判断，才是最愚蠢的。只有主客观结合起来，才是相对科学的，两者矛盾的时候，应该深入研究矛盾的根源，搞不清楚的话，我认为指标体系评价法要远比统计分析准确的多。而变量之所以能分布在不同的因子内，则是由于其方差波动性大小和变量之间的相关性决定的，波动性越大，越排在前面的公因子中，各个公因子之间的变量是不相关的，而每个公因子之间的变量是相关的。因子分析认为那些数据波动大的变量对对象影响作用更大，它们排在公因子的前列，这样单纯从数据逻辑来判断的准则你认为对吗？我想，如果管理和社会科学都这幺认为的话，那错误将大大增加了。上面想法是我这两年做课题的体会，没有在任何一本书上看过相关说法，也许说的不对，这是我个人看法。如果让我选择的话，我宁愿用指标体系评价法，体系几个维度事先就清楚，最多先用因子分析算算，看看数据波动性如何，到底能确定几个维度，只起辅助作用。档肢态研究者就是专家，指标体系的维度由主观来做判断，这主要来自经验判断，而不是由数据判断，我认为其实更科学。当然，如果你对问题一无所知，那指标体系评价法用AHP来做的话，错误很可能更多。我以前就强烈批判过AHP。说到底，没有一种评价方法是好的，说明问题就好。问题：那能对LISREL进行类似于因子分析的探索性因素分析了解吗？能给点评价么？3x答复：下面是探索性分析的原理：传统上所谈的因素分析）factor *** ysis)指的是探索性因素分析）exploratory factor *** ysis)，它的目的是在承认有测量误差的情形下，尝试用少数的因素）factors)以解释许多变项间的相关关系。随着统计理论及电脑计算上的进展，目前因素分析的饥粗方法可分成探索性因素分析）exploratory factor *** ysis，EFA)及验证性因素分析）confirmatory factor *** ysis，CFA)，这两类分析之间的差别在于研究者对研究变项间因素结构的了解程度不同。如果研究者对资料内所含的因素性质，结构及个数不是很清楚，则可使用探索性因素分析试图找出能解释资料变项间相关关系的少数几个重要因素。若研究者从过去文献中的理论及自己的研究经验，而对资料间因素之数目，结构有一定程度的了解及假设，则可使用验证性因素分析来验证该假设是否能解......

问题三：进行因子分析的前提条件是各变量之间应该怎么做本来想给你截图的，可是传不上来，我就简单说一下哈。

首先你得进行一行源次预计算，选择菜单里分析――降维――因子分析，跳出主面板，把想分析的变量选到变量框里，然后点确定。这时候输出窗口里会只有一个或两个图表。其中有一个图表是主成分的方差贡献。这个图表里你要找到两个相邻的列（应该是第三列和第四列），其中前一个列指的是单个因子对方差的贡献率，后一个是因子累计贡献率。也就是说前一个列里边数值相加等于100，后一个列里边数值递增，最后一个等于100。假如前一个列里是60,30,10，那么后一列里就是60,90,100.两个列之间有一个和的关系。找到这两个列以后，你要找使得累计贡献率达到百分之八十的那个数。这个表的第一列是1,2,3，等等，它代表第几个因子，比如3指的那行就包括第三个因子的方差贡献率，累积到第三个因子的方差贡献率这两个数据。你要找到累计到达百分之八十的那个因子是第几个因子，然后就按提取几个因子进行计算。

通过预计算知道了提取几个因子之后，就开始正式计算。再次打开因子分析的主面板，在最右边一共有五个选项，分别是描述，抽取，旋转，得分，选项。这五个在预计算里边没有用，但是现在要用了。点继续。

点击描述，在对话框里选上初始变量分析，kmo统计量及bartlett球形检验这两个选项，（注意，kmo和bartlett是一个选项，选项名就是很长）这一步是用来判断变量是否适于进行因子分析的。

点击抽取，对话框里最上边的方法就选主成分，分析里选上相关性矩阵，输出选上未旋转的因子解和碎石图两个选项，抽取里选择因子的固定数目，在要提取的因子后边填上你预计算里算出的因子数目。点继续。

旋转里边选最大方差法，输出旋转解。继续。

得分里边选保存为变量，方法为回归，显示因子得分系数矩阵也要打上勾。继续。

确定。

然后就可以分析结果了。

先看kmo和bartlett的结果，kmo统计量越接近1，变量相关性越强，因子分析效果越好。通常0.7以上为一般，0.5以下不能接受，就是不适合做因子分析。bartlett检验从检验相关矩阵出发，如果p值，就是sig，比较小的话，一般认为小于0.05，当然越小越好，就适于因子分析。

如果这两个检验都合格的话，才可以去写因子模型。

为了便于描述，假设我们有两个因子f1，f2，

旋转变换后的因子载荷矩阵会告诉你每个变量用因子表示的系数。比如变量x1=系数1*f1+系数2*f2，变量2以此类推。

因子得分系数矩阵会告诉你每个因子里各变量占得权重，比如f1=系数1*x1+系数2*x2+。。。

根据这个我们就能算出因子得分了。

因为之前选择了将因子保存为新变量，所以spss会直接保存两个因子得分为两个新变量，

然后我们不是有一个公式吗

总得分=因子1的方差贡献率*因子1的得分+因子2的方差贡献率*因子2的得分+...

根据这个公式计算一下就可以了。

用spss或者Excel都可以。

希望能对你有帮助哦。

ppv课，大数据培训专家，最专业的大数据培训平台。为你提供最好的spss学习教程哦。

问题四：excel2003如何做因子分析都不知道你所说的因子是指的那个因子，数据管理因子还是什么的，提问清楚些。别人也比较容易理解！

问题五：怎样用SPSS做因子分析在表因子变量解释贡献率（Total Variance Explained）中，看各个主因子的方差贡献率（Initial Eigenvalues栏下的% of Variance），例如图中三个主因子对应的权重为52.132、21.017、11.405，测将三个权重进行归一化处理，52.132/(52.132+21.017+11.405)、21.017/(52.132+21.017+11.405)、11.405/(52.132+21.017+11.405)，所得三个数即为主因子权重

问题六：怎样用spss做因子分析？ SPSS→分析→数据缩减→因子分析→选择自变量和因变量→描述里面选择KMO检验和球型检验；海转选择最大方差旋转法→确定→结果

问题七：如何利用因子分析的排名进行分析你通过因子分析中一个选项保存因子得分,之后会在原数据最后保存生成3列因子得分,假设为a1 a2 a3 代表3个因子然后根据因子分析得出三个因子的特征根值,分别计算粗3个因子的权重,分别为各自的特征根值/三个因子特征根值之和. 然后综合因子得分=a1*对应权重+a2*对应权重+a3*对应权重之后就根据综合因子得分进行大小排名就这样出来了

问题八：因子分析法需要哪些数据，用什么软件做因子分析是用因子概括变量信息，所以首先自变量是什么?三年数据当然是一起录入，通过三年的变化来反映因变量的变化。

因子分析spss步骤

步骤如下：

1、在新建的Excel表格中，插入六列数据，有种类、AC1、AC2、AC3、AC4和AC5；

2、打开SPSS分析工具，点击文件菜单，打开数据选择excel表格，从而导入数据；

3、导入数据之后，调整变量列展示的宽度，展示默认数据视图；

4、单击分析菜单，然后选择降维中的因子；

5、打开因子分析窗口，将AC1、AC2、AC3、AC4和AC5移到变量框中；

6、点击描述按钮，打开对应的窗口，统计勾选初始搭缺解，相关系数矩阵勾选系数和KMO和巴特利特球形度检验；

7、接着点击提取按钮，打开窗口并勾选分析相关性矩阵，显示勾选未旋转因子解和碎石图；

8、选择旋转打开窗口，方法选择最大方差法，显示勾选旋转后的解和载荷图；

9、点击得分按钮，打开因子得分窗口，勾选保存为变量，方法选择回归，然后单击继续；

10、最后设置选项，缺失值勾选成列排除个数，系数显示格式勾选按大小排序，然后点击继续；

11、确定之后，生成因子分析结果，有相关性矩阵、KMO和巴特坦行利特检验；

12、根据已选的几个变量，生成公因子方差和总方差解释；

13、接着，生成以组件号为横坐标，特征值为纵坐标，构成碎石图；

14、还可以生成成分矩阵和旋转后的成分知信辩矩阵，提取方法是主成分分析法；

15、在成分转换矩阵下方，生成旋转后的空间中的组件图；

16、最后按照成分，生成成分得分系数矩阵和成分得分协方差矩阵。

进行因子分析的前提条件是各变量之间应该怎么做

进行因子分析的前提条件是，各变量之间应该低度相关。

因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接测量到的隐性变量。因此因子分析的首要前提就是各个变量之间应该具有一定的相关度，不要求相关度过高，只是低度相饥橡厅关

比如，如果要测量学生的学习积极性，课堂中的积极参与，作业完成情况，以及课外阅读时间可以用来反应积极性。而学习成绩可以用期中，期末成绩来反应。在这里，学习积极性与学习成绩是无法直接用一个测度测准，它们必须烂隐用一组测度方法来测量，然后把测量结果结合起来，才能更准确地把握。

换句话说，这些变量无法直接测量。可以直接测量的可能只是它所反映的一个表征，或者是它的一部分。在这里，表征与部分是两个不同的概念。表征是由这个隐性变量直接决定的。隐性变量是因，而表征是果，比如学习积极性是课堂参与程度的一个主要决定因素。

扩展资料如斗

因子分析的应用

在市场调研中，研究人员关心的是一些研究指标的集成或者组合，这些概念通常是通过等级评分问题来测量的，如利用李克特量表取得的变量。每一个指标的集合（或一组相关联的指标）就是一个因子，指标概念等级得分就是因子得分。

因子分析在市场调研中有着广泛的应用，主要包括：

1、消费者习惯和态度研究（UA）

2、品牌形象和特性研究

3、服务质量调查

4、个性测试

5、形象调查

6、市场划分识别

7、顾客、产品和行为分类

参考资料来源：百度百科—因子分析

因子分析的步骤

问题一：因子分析法的分析步骤因子分析的核心问题有两个：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。因此，因子分析的基本步骤和解决思路就是围绕这两个核心问题展开的。（i）因子分析常常有以下四个基本步骤：⑴确认待分析的原变量是否适合作因子分析。⑵构造因子变量。⑶利用旋转方法使因子变量更具有可解释性。⑷计算因子变量得分。（ii）因子分析的计算过程：⑴将原始数据标准化，以消除变量间在数量级和量纲上的不同。⑵求标准化数据的相关矩阵；⑶求相关矩阵的特征值和特征向量；⑷计算方差贡献率与累积方差贡献率；⑸确定因子：设F1，F2，…， Fp为p个因子，其中前m个因子包含的数据信息总量（即其累积贡献率）不低于80%时，可取前m个因子来反映原评价指标；⑹因子旋转：若所得的m个因子无法确定或其实际意义不是很明显，这时需将因子进行旋转以获得较为明显的实际含义。⑺用原指标的线性组合来求各因子得分：采用回归估计法，Bartlett估计法或Thomson估计法计算因子得分。⑻综合得分以各因子的方差贡献率为权，由各因子的线性组含谈合得到综合评价指标函数。F = (w1F1+w2F2+…+wmFm)/(w1+w2+…+wm )此处wi为旋转前或旋转后因子的方差贡献率。⑼得分排序：利用综合得分可以得到得分名次。在采用多元统计分析技术进行数据处理、建立宏观或微观系统模型时，需要研究以下几个方面的问题：・简化系统结构，探讨系统内核。可采用主成分分析、因子分析、对应分析等方法，在众多因素中找出各个变量最佳的子 *** ，从子 *** 所包含的信息描述多变量的系统结果及各个因子对系统的影响。“从树木看森林”，抓住主要矛盾，把握主要矛盾的主要方面，舍弃次要因素，以简化系统的结构，认识系统的内核。・构造预测模型，进行预报控制。在自然和社会科学领域的科研与生产中，探索多变量系统运动的客观规律及其与外部环境的关系，进行预测预报，以实现对系统的最优控制，是应用多元统计分析技术的主要目的。在多元分析中，用于预报控制的模型有两大类。一类是预测预报模型，通常采用多元线性回归或逐步回归分析、判别分析、双重筛选逐步回归分析等建模技术。另一类是描述性模型，通常采用聚类分析的建模技术。・进行数值分类，构造分类模式。在多变量系统的分析中，往往需要将系统性质相似的事物或现象归为一类。以便找出它们之间的联系和内在规律性。过去许多研究多是按单因素进行定性处理，以致处理结果反映不出系统的总的特征。进行数值分类，构造分类模式一般采用聚类分析和判别分析技术。如何选择适当的方法来解决实际问题，需要对问题进行综合考虑。对一个问题可以综合运用多兄高种统计方法进行分析。例如一个预报模型的建立，羡老尺可先根据有关生物学、生态学原理，确定理论模型和试验设计；根据试验结果，收集试验资料；对资料进行初步提炼；然后应用统计分析方法（如相关分析、逐步回归分析、主成分分析等）研究各个变量之间的相关性，选择最佳的变量子 *** ；在此基础上构造预报模型，最后对模型进行诊断和优化处理，并应用于生产实际。

问题二：怎么用SPSS做因子分析具体的步骤是什么由把需要进行因子分析的变量全部移入因子分析对话框，然后选择正交旋转点确定就好了

问题三：因子分析可分为哪三个步骤职务分析是一项技术性很强的工作，需要做周密的准备。同时还需具有与人力资源管理活动相匹配的科学的、合理的操作程序。 (一)准备阶段 1、建立工作分析小组。小组成员通常由分析专家构成。所谓分析专家，是指具有分析专长，并对组织结构及组织内各项工作有明确概念的人员。一旦小组成员确定之后，赋予他们进行分析活动的权限，以保证分析工作的协调和顺利进行。 2、明确工作分析的总目标、总任务。根据总目标、总任务，对企业现状进行初步了解，掌握各种数据和资料。 3、明确工作分析的目的。有了明确的目的，才能正确确定分析的范围、对象和内容，规定分析的方式、方法，并弄清应当收集什么资料，到哪儿去收集，用什么方法去收集。 4、明确分析对象。为保证分析结果的正确性，应该选择有代表性、典型性的工作。 5、建立良好的工作关系。为了搞好工作分析，还应做好员工的心理准备工作，建立起友好的合作关系。 (二)调查阶段分析人员应制定工作分析的时间计划进度表，以保证这项工作能够按部就班的进行调查。同时搜集有关职位的相关信息。这一阶段包括以下几项内容： 1、选择信息来源。信息主要来源于：工作执行者本人、管理监督者、顾客、分析专家、职业名称辞典以及以往的分析资料。 2、选择收集信息的方法和系统。信息收集的方法和分析信息适用的系统由工作分析人员根据企业的实际需要灵活运用。 3、搜集职位的相关信息 (三)分析阶段工作分析就是审查、分析企业某个工作有关的信息的过程。也就是说，该阶段包括信息的整理、审查、分析三个相关活动，是整个工作分析过程的主要部分。 1、工作名称　该名称必须明确，使人看到工作名称，就可以大致了解工作内容。如果该工作已完成了工作评价，在工资上已有固定的等级，则名称上可加上等级。 2、聘用人员数目　同一工作所聘用工作人员的数目和性别，应予以记录。 3、工作单位　工作单位是显示工作所在的单位及其上下左右的关系，也就是说明工作的组织位置。 4、职责　所谓职责，就是这项工作的权限和责任有多大，主要包括以下几方面： 5、工作知识　工作知识是为圆满完成某项工作，工作人员应具备的实际知识。这种知识应包括任用后为执行其工作任务所需获得的知识，以及任用前已具备的知识。 6、智力要求　智力要求指在执行过程中所需运用的智力，包括判断、决策、警觉、主动、积极、反应、适应等。

问题四：用SPSS做因子分析时，怎样给数据标准化（具体操作步骤）？我一般都是在excel里对数据进行标准化预处理骸然后拿处理后的数据在spss里做因子分析，虽然麻烦点，但是心里有谱，知道该怎么操作，希望我的经验能帮上你

问题五：验证性因子分析的测试步骤验证性因子分析往往通过结构方程建模来测试。在实际科研中，验证性因子分析的过程也就是测度模型的检验过程。可以进行测度模型及包括因子之间关系的结构方程建模并拟合的统计软件有很多，比如LISREL、AMOS、EQS、MPLUS等。其中最常用的是LISREL。在LISREL这个软件中有三种编程语言：PRELIS是用来作数据处理或简单运算，比如作一些回归分析、计算一个样本的协方差矩阵；LISREL是一种矩阵编程语言，它用矩阵的方式来定义我们在测度项与构件、构件之间的关系，然后采用一个估计方法 (比如极大似然估计) 进行模型拟合；SIMPLIS是一种简化的结构方程编程语言，适合行为研究者用。一般来讲，研究者需要先通过SIMPLIS建立测度模型，然后进行拟合。根据拟合的结果，测度模型可能需要调整，抛弃质量差的测度项，然后再拟合，直到模型的拟合度可以接受为止。

问题六：用SPSS已经做出了因子分析，那么具体的分析结果应该怎么看呢？ KMO检验统计量在0.7以上，说明变量之间的偏相关性较强，适合做因子分析，球形检验p小于0.001，说明变量之间存在相关性。第二格表格为共同性，表示各变量中所含原始信息能被提取的共同因子所表示的程度，根据你的数据，你提取的公因子是两个，第三个表格是指提取的俩个主成分能解福差异的比列，第四个表格是主成分表达式，第五表格是因子得分公式。

问题七：统计分析中的因子分析(factors),如何确定因子的个数方差累计贡献率，碎石图，特征根，很多的

问题八：因子分析法如何确定主成分及各个指标的权重？ 5分在SPSS中，主成分分析是通过设置因子分析中的抽取方法实现的，如果设置的抽取方法是主成分，那么计算的就是主成分得分，另外，因子分析和主成分分析尽管原理不同，但是两者综合得分的计算方法是一致的。

确定数据的权重也是进行数据分析的重要前提。可以利用SPSS的因子分析方法来确定权重。主要步骤是：

(1)首先将数据标准化，这是考虑到不同数据间的量纲不一致，因而必须要无量纲化。

(2)对标准化后的数据进行因子分析(主成分方法)，使用方差最大化旋转。

(3)写出主因子得分和每个主因子的方程贡献率。

Fj =β1j*X1 +β2j*X2 +β3j*X3 + ……+ βnj*Xn ; Fj 为主成分(j=1、2、……、m)，X1、X2 、X3 、……、Xn 为各个指标，β1j、β2j、β3j、……、βnj为各指标在主成分Fj 中的系数得分，用ej表示Fj的方程贡献率。

(4)求出指标权重。 ωi=[(m∑j)βij*ej]/[(n∑i)(m∑j)βij*ej],ωi就是指标Xi的权重。

因子分析应用在评价指标权重确定中，通过主成分分析法得到的各指标的公因子方差，其值大小表示该项指标对总体变异的贡献，通过计算各个公因子方差占公因子方差总和的百分数。

问题九：因子载荷矩阵怎么得出？要求用SPSS的具体步骤讲解下，谢谢！ 1，打开SPSS数据 2，选择分析（a） 3,选择“降维（Date Reduction）”――因子分析（factor）4，将需要因子分析的变量拖入变量框。 5，在抽取菜单罚 “因子固定个数” （N）设为 1 5，点击继续确定 6，你将得到公因子方差表和因素负荷量表

问题十：spss中如何用因子分析计算各指标的权重？在表因子变量解释贡献率（Total Variance Explained）中，看各个主因子的方差贡献率（Initial Eigenvalues栏下的% of Variance），例如图中三个主因子对应的权重为52.132、21.017、11.405，测将三个权重进行归一化处理，52.132/(52.132+21.017+11.405)、21.017/(52.132+21.017+11.405)、11.405/(52.132+21.017+11.405)，所得三个数即为主因子权重