spss因子分析是干嘛的 spss因子分析详细步骤

spss因子分析是干嘛的，因子分析是用来提取公共因子，当研究问题的变量比较多时，通过spss因子分析可用较少变量去综合解释原有的多个变量。本文会以实际的例子演示spss因子分析详细步骤，以及进行结果的解读。

一、spss因子分析是干嘛的

spss因子分析的用处很大，因子分析是降维分析中的重要分析方法，在处理复杂的多变量研究问题中，因子分析能有效地减少所需研究的变量，简化问题，让数据的收集变得更加简单，特别适用于研究人群细分、消费者态度、心理学问题等多维度分析问题中。

因子分析能将原本影响研究问题的多个复杂因素简化为综合的几个因素，这将有利于在数据收集阶段，比如问卷调研部分，减少被访者所需回答的问题以及数据的处理，以及在后续的相关分析、回归分析环节，也能进一步减少数据分析的难度，避免存在多重的共线性、相关性。

常用的spss因子分析碎石图，可从特征根的下降幅度快速得知主要贡献信息的因子数量，从而确定研究问题应抽取的公共因子的数量。

因子分析碎石图

二、spss因子分析详细步骤

接下来，我们使用一个实际的例子，具体演示下spss因子分析详细步骤。

第一步，准备数据，确定研究问题。

本例需要研究的是一些影响销售额的因素，包括人流量、促销费用、推广费用、广告费用等，由于影响销售额的因素比较多，我们希望通过因子分析将多个因素综合为少数几个因素。

样本量为15个，因子分析适用于样本量比较少的情况。

样本数据

第二步，使用spss降维分析中的因子分析。

因子分析实际上是一种降维分析法，如图3所示，依次单击spss分析-降维-因子分析即可。

因子分析

1. 确定因子分析的变量

如图4所示，将所有需要提取公共因子的变量都选入到“变量”列表框。

变量设置

2. 设置KMO与球形检验

因子分析的前提是因素间具有相关性，如果因素间不具有相关性，那么，提取的公因子代表性就比较差，无法贡献较多的信息，无法起到代表大部分因素的作用。变量间的相关性可通过KMO与球形检验得出。

描述统计量

3. 设置碎石图

碎石图是利用特征根的下降趋势来判断因子的信息贡献水平下降幅度，当特征根的下降变缓后，说明前面的因子可贡献大部分的信息，可得出因抽取的公因子数量。

提取因子

4. 设置因子得分

因子得分是因子分析后综合而得的新变量数据，可将其保存为变量用于其他的分析，比如相关分析、回归分析等，构建模型使用。

完成以上设置后，单击“确定”，进行spss运算。

因子得分

三、spss因子分析结果怎么看

spss因子分析结果包括碎石图、总方差解释、成分得分系数矩阵、因子得分等，可应用的数据比较多，接下来，我们一起来了解下这些结果该怎么看。

首先是查看KMO和巴特利特检验结果，以了解因子间的相关性，判断数据是否适合用于因子分析。

可以看到，本例的KMO值（取值为0-1，数值越接近1，相关性越强；数值越接近于0，相关性越弱）为0.77，数值接近1，说明因素间的相关性比较强，适合用于因子分析。而从球形检验也可以看到，其显著性P值为0.038<0.05，说明因素间具有相关性。

KMO数值

得到因素间有相关性的结果后，查看“总方差解释”，如图9所示，前两个成分的累积贡献为65%，超过60%，说明前两个因子可贡献超过半数的信息。

成分累积贡献

而从碎石图也能观察到，前两个因子的特征根下降幅度大，而从第三个因子开始，下降幅度变小，说明其增加的信息越来越少。

碎石图

根据碎石图与总方差结果，可将因子归总为两个公共因子，从“成分得分系数矩阵”的数据来看，成分1中的“人流量”、“广告费用”、“地推费用”数值较大，可归总为第一类因子；而成分2中的“促销费用”、“推广费用”、“促销人员费用”数值较多，可归总为第二类因子。

成分得分系数矩阵

除了可得到得分系数矩阵结果外，spss因子分析还可计算新的因子得分变量，该变量可通过计算旋转载荷平方和等数值构建方程，从而得到总的得分，也可以结合其他分析方法，如聚类、回归等，进行进一步的分析，此处将不赘述，大家可参考spss中文网站的相关文章。

因子得分

四、小结

以上就是关于spss因子分析是干嘛的，spss因子分析详细步骤的相关内容。spss因子分析可得到碎石图、总方差解释、因子得分等结果，既可以对现有因素进行归纳总结，也可以利用因子得分作进一步的分析。