IBM SPSS Statistics利用因子分析进行成分提取

当我们的研究数据集指标过多，不利于我们进行后期的分析和研究时，我们就可以通过因子分析法，对指标成分进行提取，进而减少总体的指标数目，同时也能去除一些相关性较小的指标，提高算法的分析准确率。

IBM SPSS Statistic软件提供了因子分析工具，帮助我们进行成分提取，下面我们来看看如何实现。

一、操作步骤

我们准备了Q1到Q25这25个研究指标，其中指标都是有序的分类变量，符合因子分析的前提条件。首先我们在分析菜单中，选择降维中的因子工具，如图1。

图1：因子分析工具

我们将25个研究指标全部放入到右侧的“变量”栏中，然后点击“描述”按钮。

图2：放入变量栏

“描述”界面中，勾选上“初始解”、相关性矩阵中的“系数”、“再生”、“反映像”和“KMO和巴特利特球形度检验”。

图3：描述界面

回到上个界面中点击“提取”，在提取界面中方法选择“主成分”，分析选用相关性矩阵。

另外，下方的提取项中，我们要根据自身的需求进行选择，如果选择基于特征值大于1进行成分提取，那么如果没有特征值大于1的成分，SPSS将不会为我们进行提取；如果选择固定数目提取因子，那么无论因子特征值多少，SPSS都会为我们提取前几个固定的因子。

图4：提取界面

之后点击“得分”选项，在得分界面中，勾选“保存为变量”，方法选用“回归”方法，这样会将我们提取的特征成分保存为新的变量，便于后期的统计分析。

图5：保存为变量

二、结果说明

通过上述的设置，SPSS为我们生成了7个结果表格，我们看其中的“KMO和巴特利特检验”表格的KMO检验系数值，可以看到值为0.828。一般认为，该系数大于0.8时，因子分析提取的结果才有较好的实用性。

图6：KMO和巴特利特检验

再看“总方差解释”表格，我们可以看到得分大于1的有五个成分，由于上方我们选择特征值大于1的成分因子进行提取，因此在本次演示案例中，SPSS将为我们从25个指标中提取出5个主要的成分。

图7：总方差解释

下图8红框标出的指标即为SPSS为我们提取的成分指标。

图8：新成分指标

在本文中，我们利用了SPSS因子分析工具，使用其中的主成分分析法，对指标成分进行了分析，并提取其中特征值大于1的前五个成分。因子提取在大数据量和多指标的数据集中，应用是非常广泛的，SPSS给我们提供了这样的一个工具，非常有利于我们后期的统计工作。