spss因子载荷是什么意思

探索性因子分析的步骤：

接下来，通过一个案例演示因子分析（探索性因子分析）的各个步骤应该如何进行。

案例：欲探究我国不同省份铁路运输能力情况，收集到部分相关数据如下：

上传数据至SPSSAU系统，在【进阶方法】模块，选择【探索性因子分析】，将变量拖拽到右侧分析框，勾选“因子得分”与“综合得分”，旋转方法选择默认的“最大方差法”，操作如下图：

由于指标数据性质不同，具有不同的数量级和量纲，会导致分析结果不准确或产生误差。因此，先对原始数据进行标准化处理。SPSSAU因子分析将自动进行标准化处理，因此不需要再对数据进行处理。

标准化计算公式：（X-Mean）/Std

进行因子分析的前提是数据适合使用该方法，通常采取KMO检验和Bartlett球形检验。KMO检验用于检查变量间的相关性，取值为0~1。KMO值越接近于1，变量间的相关性越强，一般该值大于0.6即可进行因子分析。Bartlett球形检验用于检验变量是否各自独立，通常显著性小于0.05时，说明符合标准，适合做因子分析。

本案例SPSSAU输出KMO和Bartlett球形检验结果如下：

从结果来看，KMO值为0.722大于0.6，所以可以进行因子分析。同时Bartlett球形检验结果显示p值小于0.05，可以进行因子分析。

以特征根大于1为标准提取公因子，SPSSAU得到各因子的特征根以及方差解释率见下表：

分析上表可知，特征根大于1的因子共有两个，这2个公因子的累计方差解释率为78.808%，第一个因子的方差解释率为41.346%，第二个因子的方差解释率为37.462%，说明提取的两个公因子能够代表原来6个铁路运输能力指标78.808%的信息，整体来看信息变量丢失较少，因子分析效果比较理想。

另外，从特征根的碎石图可以更为直观的看出拟提取的公因子。如上图，前两个因子的让特征根值均大于1，且曲线比价陡峭，剩下4个特征根值均小于1且特征根值曲线逐渐变得比较平缓，即提取前2个因子可以代表所有原始铁路运输指标的绝大部分信息，与方差解释率得到结果一致。

找到公因子后，为了理解公因子的实际意义以及方便对问题进行分析，需要继续进行因子旋转。旋转常用方法为最大方差法。旋转后的因子载荷矩阵可以直观反映各个变量对主成分的贡献程度，一个变量在某个公因子上的载荷系数的绝对值越大，说明变量与该公因子越具有相关性。

下表为使用最大方差法进行旋转后得到的因子载荷系数表格：

分析上表可知，因子1在铁路货运总量、铁路营业里程、铁路货物总周转量上具有较大的载荷，因此这3个变量归为一类命名为货运因子（记作F1）。因子2在铁路客运量、铁路旅客周转量、铁路运输职工人数上具有较大的载荷，因此这3个变量归为另一类命名为客运因子（记作F2）。

确定因子后，进一步计算各因子得分，SPSSAU输出成份得分系数矩阵如下：

根据成份得分系数矩阵，得到公因子F由变量X表示线性组合的因子得分函数：

F1=-0.203*铁路客运量-0.178*铁路旅客周转量+0.537*铁路货运总量+0.294*铁路营业里程+0.333*铁路货物总周转量+0.135*铁路运输职工人数

F2=0.506*铁路客运量+0.488*铁路旅客周转量-0.321*铁路货运总量+0.025*铁路营业里程-0.014*铁路货物总周转量+0.197*铁路运输职工人数

这一过程可通过手算完成，但要注意使用的是标准化后的数据代入公式。

在我们进行分析前，勾选【因子得分】，SPSSAU自动保存公因子得分，如下图：

进行综合评价将指标数据代入因子表达式，计算综合得分，分析结果并进行综合评价。即以2个公因子得分为基础，再以每个因子的方差解释率为权数进行线性加权平均，最后得到一个综合得分模型：

注：分子为两个公因子旋转后方差解释率，分母为旋转后累计方差解释率。

勾选【综合得分】后，SPSSAU将自动保存综合得分，结果见下图：

得到综合得分后，可将数据下载至本地，使用excel对综合得分进行排序，该排名就代表了31个省份的铁路运输能力。最后整理成下面这个一个表格：

分析31个省份铁路运输能力综合得分表可知，河北省的铁路运输能力最强，海南省铁路运输能力最弱......

至此，因子分析结束。

桓狠裴3248spss19.0中因子分析 -
巩阀蚂18782975544 ______ 因子分析的目的就是将一系列有内在相关性的变量进行浓缩,从而提取出少量几个因子来代替原来的众多变量,所以选择变量就是将你需要进行浓缩的所有变量都移入这个对话框 ,不过因子分析的变量只能是连续性数值

桓狠裴3248请问,SPSS中的Component Matrix 也叫做初始因子载荷矩阵是如何计算得到的? -
巩阀蚂18782975544 ______ 1、根据特征方程 求出各个特征值,λ是特征值,I代表单位矩阵,R是各个变量所形成的的相关矩阵,相关矩阵可以通过spss的相关命令求得,然后可以解出λ. 2、用求得的特征值λ,相关矩阵R这些条件,求出对应于特征值的特征向量e(i)(根据特征向量的求解方程RE=λE求出每个特征值的特征向量),所有的e(i)所形成的的矩阵就是Component Matrix 主成分矩阵,每个e(i)代表了每个主成分和每个变量的相关. 这个主成分系数矩阵要自己手算很麻烦的,知道大致的原理就可以了

桓狠裴3248你好 看到你在百度上的回答,请问你用spss主成分分析法算因子的权重的详细步骤是怎样的啊 -
巩阀蚂18782975544 ______ 主成分分析法在SPSS中的操作1、指标数据选取、收集与录入(表1)2、Analyze →Data Reduction →Factor Analysis,弹出Factor Analysis 对话框:3、把指标数据选入Variables 框,Descriptives: Correlation Matrix 框组中选中Coefficients,然...

桓狠裴3248问spss的因子分析 -
巩阀蚂18782975544 ______ Rotated Component Matrix,就是经转轴后的因子负荷矩阵,当你设置了因子转轴后,便会产生这结果.转轴的是要得到清晰的负荷形式,以便研究者进行因子解释及命名.SPSS的Factor Analysis对话框中,有个Rotation钮,点击便会弹出...

桓狠裴3248SPSS中因子载荷矩阵 的负值 第一主成分中对变量的贡献是看绝对值吗?符号是表示负相关吗?负号是表示负相关吗? -
巩阀蚂18782975544 ______[答案] 第一主成分中对变量的贡献是看绝对值吗? 是 负号是表示负相关吗? 是,载荷为负表明这个项目与这个因子呈负相关

桓狠裴3248怎么用spss做因子载荷矩阵分析 -
巩阀蚂18782975544 ______ analysis-data reduction-factor-extraction下自己选择分析方法

桓狠裴3248请问SPSS因子分析后怎样计算权重? -
巩阀蚂18782975544 ______ 如果使用因子分析的目的在于计算权重,此时可使用旋转后方差解释率值计算主成分权重. 比如提取2个因子,旋转后的方差解释率分别是39.759%,24.061%,旋转后累积方差解释率为63.820%.那么归一化(即除累积方差解释率)即得到权重,计算如下表: SPSSAU进阶方法里的因子分析可以得到方差解释率及累积方差解释率. 各指标权重在输出结果里也有提供.

桓狠裴3248spss中关于因子分析下的旋转载荷矩阵问题 -
巩阀蚂18782975544 ______ 未旋转的因子矩阵: 不是说x7是最主要的因素,而是说x7与第1个成分的相关性最大,且为正相关.通过你这个因子矩阵表,很难将各个x进行分类,可以进行因子分析,得到旋转后的因子矩阵. 旋转后的因子矩阵: 表中的数据是每个x在每个共同因素的因素负荷量. 1、2...代表提取的主成分,一般而言是越排在前面,就越与第1个主成分相关,应归纳在第1个主成分中.依次类推,可以将所有的x归类到不同的主成分中.

桓狠裴3248spss输出表Component Transformation Matrix什么意思 -
巩阀蚂18782975544 ______ 因子分析里面的 意思是 给出因子转换矩阵 若用A表示旋转前的因子载荷阵,用B表示因子转换矩阵,用C表示旋转后的因子载荷矩阵则有C=AB.

桓狠裴3248为什么求出因子载荷阵后还要用因子载荷阵的每列除以相应的特征根的开?
巩阀蚂18782975544 ______ spss可以直接输出四个主因子的得分的 在 scores里面 有保存因子得分 然后再原始数据最后就会多出几列就是了