因子分析常见问题汇总,你想知道的都在这里

Posted spssau

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了因子分析常见问题汇总,你想知道的都在这里相关的知识,希望对你有一定的参考价值。

本文以SPSSAU系统为例,针对因子分析的常见问题进行汇总说明。

 

技术图片

 

①问题一:提取因子个数

提取因子的个数是一个综合选择的过程。默认是按“特征根大于1”作为因子提取的标准。

技术图片

特征根不是唯一的判断标准。除此特征根,还可以通过累积方差贡献率、碎石图等指标综合判断。

如果分析前已经有了预期的维度(因子)划分,也可以在分析时主动设定提取因子个数,再根据上面的指标进行调整。

 

技术图片

 

②问题二:因子相关矩阵在哪里分析?

使用【通用方法】--【相关】可得到相关矩阵。

 

技术图片

 

③问题三:怎么处理因子与分析项的对应关系

因子与对应项关系不一致,一般有三种情况:

第一种是一个分析项对应着多个因子;导致题项无法归类;

第二种是题项与对应因子的关系出现严重偏差;

第三种是题项在各个因子下的载荷系数值或共同度都非常低。

 

解决方法:

第一种情况,一般都可以接受。如果其他题项中出现后面两种情况,优先处理后两种问题,删除该题项后,重新分析。直到所有题项与因子对应一致即可。

 

④问题四:因子如何命名

因子命名需要综合判断,主要是根据专业知识结合因子下各测量项的共同含义概括得到的。最终的因子名应该符合专业上的认知,这样分析结果更易理解。

 

⑤问题五:一个因子只有一题

一般情况下,一个因子通常对应3~7个题项。如果一个因子下只有一个题,此时建议不要针对该因子,改使用其他方法进行分析。

 

⑥问题六:因子分析的如何使用因子进行后续分析?

如果是量表数据,建议通过【数据处理】--【生成变量】计算均值得到维度均值,用于后续研究。

 

技术图片

【生成变量】--【平均值】

 

如果是非量表数据,可保存因子得分,用于后续研究。

 

技术图片

 

⑦问题七:降维后因子如何分类

如果需要利用得到的因子进行聚类分析,首先需要对因子进行命名,再明确了实际意义后,可以通过SPSSAU【数据处理】--【生成变量】得到维度均值。再用得到的因子进行聚类分析,并对聚类结果命名。

 

⑧问题八:出现奇异矩阵如何解决?

如果提示出现“奇异矩阵”,通常情况下有以下三个原因及解决办法。

第一、由于分析样本量太少(比如分析项有20个,分析样本仅10个),此里需要加大样本量或者减少分析项即可;

第二、分析项之间的相关性非常非常强(相关系数大于0.8,甚至接近1),共线性严重,建议使用相关分析,然后把相关系数值非常大的项移除出去后再次分析;

第三、分析项之间的相关性非常非常弱(相关系数接近0),建议使用相关分析,然后把相关系数值非常小的项移除出去后再次分析。

 

⑨问题九:探索性因子分析与验证性因子分析的区别

二者的区别在于,验证性因子分析(CFA)用于验证对应关系,探索性因子分析(EFA)用于探索因子与测量项之间的对应关系。

如果是成熟的量表,研究者可同时使用验证性因子分析CFA,和探索性因子分析(简称因子分析,EFA)用于验证量表的效度。

如果量表的权威性较弱,通常使用探索性因子分析(EFA)进行探索因子,或者效度检验分析。

 

⑩问题十:因子分析样本量

没有固定标准。通常建议样本量在题目的5倍以上,结果比较具有参考意义。

 

以上就是今天分享的内容,更多干货内容可登录SPSSAU官网查看。

 

以上是关于因子分析常见问题汇总,你想知道的都在这里的主要内容,如果未能解决你的问题,请参考以下文章

关于Oracle Sharding,你想知道的都在这里

Python如何入门,无偿分享学习方法,你想知道的都在这里了

Swift具体解释之三----------函数(你想知道的都在这里)

Java基础“线程池”-你想知道的都在这里

#yyds干货盘点# 关于并发编程-AQS,你想知道的都在这里

关于商业智能,你想知道的都在这里