探索性因子分析 SPSS案例实践：探索性因子分析

SPSS提供了因子分析、主成分分析和变量聚类等降维统计方法。

01

案例数据

洛杉矶的12个地区有5个社会经济指标，如人口流行、教育学校、就业、服务业服务和房价。从五个指标中提取共性因素，对12个领域进行评价。

KMO = 0.575 > 0.5，巴特利特检验P < 0.05。我们认为现有数据与降维的前提有关，数据适合进行因子分析。

常见的因子F1和F2怎么命名？看下面这篇文章。

→如何解读因子分析负荷系数表的结果？简单高效的因子命名方法！

公因数F1的信息主要来自哪里？房价+教育+服务业，三个负荷系数均在0.7以上，而公因子F2的信息来源于人口和就业，两个负荷系数均在0.7以上。

总而言之:

F1:发展因素还是福利因素

F2:比例因子或人口因子

05

共同因素的使用

最初，有五个社会经济指标。降维后，我们发现了两个共同的因素:福利和人口。不复杂就不复杂，简单就简单。现在让我们用两个共同的因素来评估12个地区。

福利和人口不只是说说而已。看原始数据后新计算的两个因子的得分变量。

在这种情况下，我就不写施工因素的总分了。我们直接用两个公因子画一个四象限图更直观，这一步当然是用SPSS完成的。

以FAC1和FAC2为横轴和纵轴，绘制散点图，然后以病例号或区域名称为标签，观察12个区域在二维图上的分布。

然后在横轴和纵轴上加上0刻度水平线和0刻度垂直线，做一个简化的四象限图。

把12个城市放在二维平面图上，用四象限图把它们分成4种类型。想必做社会研究的读者应该已经能看出端倪了。如何专业地解释城市之间的差异，如何用两个共同因素数据综合评价12个城市，这件事就交给专业人士吧。

SPSS对因子分析的演示结束。

-