lzth.net
当前位置:首页 >> 这张是因子分析(FACtor AnAlysis)结果的图表,请问怎么能得出这种图表,我用SPSS输出... >>

这张是因子分析(FACtor AnAlysis)结果的图表,请问怎么能得出这种图表,我用SPSS输出...

根据输出结果 你自己再整理

这个表格的意思是 通过主成分提取法,仅仅提取出一个公因子来,而那个60%的意思就是这个提取的公因子能够解释原来所有变量的60%的变异 这样的主成分分析基本上没有什么意义

这些就是因子但是每个因子的贡献率不同一般说来因子的贡献率是逐渐下降的不同因子乘以贡献率的和就是综合得分啦

因子分析的各因子是相互独立的,如果在三维空间里的话,就是类似于X,Y,Z轴那样相互垂直的,它们不相关.所以R值和F值接近零,自然显著性水平极低接近1了.你做的线性回归分析毫无意义,属于乱做一气.其实你还是做了一些工作的,那就是你验证了各个因子的相互独立性!

因子分析1输入数据.2点Analyze 下拉菜单,选Data Reduction 下的Factor .3打开Factor Analysis后,将数据变量逐个选中进入Variables 对话框中.4单击主对话框中的Descriptive按扭,打开Factor Analysis: Descriptives子对话框,在Statistics

你这个应该是在回归的时候 采用了逐步回归的方法进行的分析结果.从模型1-6是逐步递进的,模型1是将全部自变量纳入后进行的回归结果,模型2-模型6是逐步在前一步的基础上删除某个自变量后的结果,由于采用逐步回归的方式 会自动剔除部分有共线性的变量.所以模型最终筛选到6结束的,也就是最终保留了一个自变量 如果单纯从解释率来看的话,可以选择模型5 因为解释率最高,主要看调整后的R Square.但是从模型的简洁性来看,最佳模型就是最后的模型6. 只要一个自变量贷款总额,它的解释率跟前面有那么多自变量的解释率相差不大.所以根据逐步回归的结果,你的自变量最终筛选就剩下一个 “贷款总额”就足够了,因为加上其他那么多自变量,其解释率没有太大变化

根据输出结果 你自己再整理 这些就是因子但是每个因子的贡献率不同一般说来因子的贡献率是逐渐下降的不同因子乘以贡献率的和就是综合得分啦 不知道

要给出方差贡献率,因子载荷系数等等

因子得分可以直接由SPSS生成,但这个是标准化之后的;也可以通过原始变量计算.

这个式提取公因子,你这个表原来有7个因子,第一个因子的解释能力,也就是在总方差中占得比例为29.275%,第二个因子是19,.112%,以此类推.SPSS提取了三个公因子,这三个公因子在总方差累积的比例为63,.862%,最后一组是把因子进行了最大正交旋转,目的是让原来7个因子在这提取的三个公因子上分布的概率更加集中,方便之后对因子进行命名,

相关文档
网站首页 | 网站地图
All rights reserved Powered by www.lzth.net
copyright ©right 2010-2021。
内容来自网络,如有侵犯请联系客服。zhit325@qq.com