文档介绍：关于因子和主成分分析
第一页，讲稿共二十八页哦
因子分析概述
如下面的5个变量中含有两个独立的公共因子F1和F2。再假设这五个变量分别是基本建设投资、平均工资水平、商品零售价格指数、居民消费水平 。
d factor solution输出未经旋转的因子scree plot以特征值大小排列的的因子序号为横轴对应的特征值为纵轴的碎石图有助于确定保留多少个因子
Extract 用来控制因子提取多少个因子Eigenvalues根据特征值大小来确定提取的数目Number of factor直接指定提取因子的多少maximum iterations for convergence指定因子分析收敛的的最大迭代次数根据数据量而定
第十四页，讲稿共二十八页哦
相关按钮说明 — Descriptive
第十五页，讲稿共二十八页哦
Univariate descriptive输出各个变量的均数标准差等描述统计量
Initial solution输出因子提取前公因子方差
Coefficients 输出原始变量之间的相关系数矩阵
Significance 输出相关系数检验的显著水平
Determinant输出相关系数矩阵的行列式
KMO and Bartlett ～KMO 检验和球形Bartlett 检验
Inverse 输出相关系数矩阵的逆矩阵
Reproduced 输出再生相关矩阵
Anti－image输出反映象相关阵
第十六页，讲稿共二十八页哦
相关按钮说明 — Rotation
第十七页，讲稿共二十八页哦
Rotation 因子旋转相关的选项，
Varimax 正交旋转也称方差最大旋转
Direct Oblimin 直接斜交交旋转
Quartimax 四次最大正交旋转
Equamax 平均正交旋转
Promax 斜交旋转方法
Rotated solution输出因子旋转结果
Loading plots 输出经旋转后的因子载荷旋转图
第十八页，讲稿共二十八页哦
相关按钮说明 — Scores
Save as variables
将因子作为新变量保存在数据编辑器窗口
Display factor
输出因子得分系数矩阵是标准后的得分系数
第十九页，讲稿共二十八页哦
相关按钮说明 —Option
Missing value
缺失值的处理方法
Coefficient Display format
设置载荷系数的显示格式分别是安载荷系数大小排列和不现实载荷系数小于某一值的。
第二十页，讲稿共二十八页哦
统计结果分析
对以下几个表格的解读：
观测变量之间的相关矩阵（correlation Matrix）
KMO和Bartlett检验结果
公共因子方差（communalities）
全部方差解释（Total variance Explained）
因子载荷矩阵（component Matrix） 和旋转后的因子载荷矩阵（Rotated component Matrix）
（因子载荷矩阵×转换矩阵＝旋转后的因子载荷矩阵）
第二十一页，讲稿共二十八页哦
变量间的相关矩阵（correlation）
变量间的相关性矩阵给出了变量之间相关系数，同时还包括相关系数检验的显著水平（在设置时指定输出）。
相关系数矩阵的值越大约好，说明变量之间的相关性越大，这样就越可能找到公共因子；显著性水平矩阵的值越小越好，说明相关性越显著。下面的Determinant是相
关矩阵的行列式的值。
第二十二页，讲稿共二十八页哦
KMO和Bartlett 检验结果
Bartlett检验的目的式看数据是否来自多元正态分布，若差异检验的F值显著表示所取的数据来自正态分布，可以做进一步的检验。检验的值越小效果越好。
KMO检验的目的是分析变量之间的简单相关系数和偏相关系数的相对大小，看数据是否合适进行因子分析。，，，
第二十三页，讲稿共二十八页哦
公共因子方差（communalities）
公共因子方差等于因子载荷矩阵的某行因子载荷的平方和表示的是所有的公共因子对其所在行的观测变量的贡献。
其中Initial 对应的初始方差， Extration 对应的是提取公共因子方差。对应的是根据某种原则提取的公共因子方差。
顺便补充特征根就是对应的因子载荷矩阵某一列的因子载荷的平方和。 具体可以见下图的例子
第二十四页