因子分析spss步驟
步驟如下：
1、在新建的Excel表格中，插入六列數據，有種類、AC1、AC2、AC3、AC4和AC5；
2、打開SPSS分析工具，點擊文件菜單，打開數據選擇excel表格，從而導入數據；
3、導入數據之后，調整變量列展示的寬度，展示默認數據視圖；
4、單擊分析菜單，然后選擇降維中的因子；
5、打開因子分析窗口，將AC1、AC2、AC3、AC4和AC5移到變量框中；
6、點擊描述按鈕，打開對應的窗口，統計勾選初始解，相關系數矩陣勾選系數和KMO和巴特利特球形度檢驗；
7、接著點擊提取按鈕，打開窗口并勾選分析相關性矩陣，顯示勾選未旋轉因子解和碎石圖；
8、選擇旋轉打開窗口，方法選擇最大方差法，顯示勾選旋轉后的解和載荷圖；
9、點擊得分按鈕，打開因子得分窗口，勾選保存為變量，方法選擇回歸，然后單擊繼續；
10、最后設置選項，缺失值勾選成列排除個數，系數顯示格式勾選按大小排序，然后點擊繼續；
11、確定之后，生成因子分析結果，有相關性矩陣、KMO和巴特利特檢驗；
12、根據已選的幾個變量，生成公因子方差和總方差解釋；
13、接著，生成以組件號為橫坐標，特征值為縱坐標，構成碎石圖；
14、還可以生成成分矩陣和旋轉后的成分矩陣，提取方法是主成分分析法；
15、在成分轉換矩陣下方，生成旋轉后的空間中的組件圖；
16、最后按照成分，生成成分得分系數矩陣和成分得分協方差矩陣。
spss因子分析詳細步驟
1、在新建的Excel表格中，插入六列數據，有種類、AC1、AC2、AC3、AC4和AC5；
2、打開SPSS分析工具，點擊文件菜單，打開數據選擇excel表格，從而導入數據；
3、導入數據之后，調整變量列展示的寬度，展示默認數據視圖；
4、單擊分析菜單，然后選擇降維中的因子；
5、打開因子分析窗口，將AC1、AC2、AC3、AC4和AC5移到變量框中；
6、點擊描述按鈕，打開對應的窗口，統計勾選初始解，相關系數矩陣勾選系數和KMO和巴特利特球形度檢驗；
7、接著點擊提取按鈕，打開窗口并勾選分析相關性矩陣，顯示勾選未旋轉因子解和碎石圖；
8、選擇旋轉打開窗口，方法選擇最大方差法，顯示勾選旋轉后的解和載荷圖；
9、點擊得分按鈕，打開因子得分窗口，勾選保存為變量，方法選擇回歸，然后單擊繼續；
10、最后設置選項，缺失值勾選成列排除個數，系數顯示格式勾選按大小排序，然后點擊繼續；
11、確定之后，生成因子分析結果，有相關性矩陣、KMO和巴特利特檢驗；
12、根據已選的幾個變量，生成公因子方差和總方差解釋；
13、接著，生成以組件號為橫坐標，特征值為縱坐標，構成碎石圖；
14、還可以生成成分矩陣和旋轉后的成分矩陣，提取方法是主成分分析法；
15、在成分轉換矩陣下方，生成旋轉后的空間中的組件圖；
16、最后按照成分，生成成分得分系數矩陣和成分得分協方差矩陣。
spss分析方法-因子分析（轉載）
因子分析就是將大量的彼此可能存在相關關系的變量，轉換成較少的彼此不相關的綜合指標的多元統計方法。。 下面我們主要從下面四個方面來解說：
[if !supportLineBreakNewLine]
[endif]
實際應用
理論思想
建立模型
[if !supportLineBreakNewLine]
[endif]
分析結果
[if !supportLineBreakNewLine]
[endif]
一、實際應用
在市場調研中，研究人員關心的是一些研究指標的集成或者組合，這些概念通常是通過等級評分問題來測量的，如利用李克特量表取得的變量。每一個指標的集合（或一組相關聯的指標）就是一個因子，指標概念等級得分就是因子得分。因子分析在市場調研中有著廣泛的應用，主要包括：（1）消費者習慣和態度研究（U&A）（2） 品牌形象和特性研究（3）服務質量調查（4） 個性測試（5）形象調查（6） 市場劃分識別（7）顧客、產品和行為分類在實際應用中，通過因子得分可以得出不同因子的重要性指標，而管理者則可根據這些指標的重要性來決定首先要解決的市場問題或產品問題。
[if !supportLineBreakNewLine]
[endif]
二、理論思想
因子分析（Factor Analysis）是一種數據簡化的技術。它通過研究眾多變量之間的內部依賴關系，探求觀測數據中的基本結構，并用少數幾個獨立的不可觀測變量來表示其基本的數據結構。這幾個假想變量能夠反映原來眾多變量的主要信息。原始的變量是可觀測的顯式變量，而假想變量是不可觀測的潛在變量，稱為因子。主成分分析利用的是“降維”的思想，利用原始變量的線性組合組成主成分。在信息損失較小的前提下，把多個指標轉化為幾個互補相關的綜合指標。因子分析是主成分分析的擴展和推廣，通過對原始變量的相關系數矩陣內部結構的研究，導出能控制所有變量的少數幾個不可觀測的綜合變量，通過這少數幾個綜合變量去描述原始的多個變量之間的相關關系。。
[if !supportLineBreakNewLine]
[endif]
因子分析的數學模型可以表示為Xp×1=Ap×m·Fm×1+ep×1，其中X為可實測的p維隨機向量，它的每個分量代表一個指標或變量。
F=(F1, F2,...,Fm)T為不可觀測的m維隨機向量，它的各個分量將出現在每個變量之中，所以稱它們為公共因子。矩陣A稱為因子載荷矩陣，矩陣中的每一個元素稱為因子載荷，表示第i個變量在第j個公共因子上的載荷，它們需要由多次觀測X所得到的樣本來估計。
向量e稱為特殊因子，其中包括隨機誤差，它們滿足條件：
（1）Cov(F,e)=0，即F與e不相關。
（2）Cov(Fi,Fj)=0,i≠j ，Var(Fi)=Cov(Fi, Fj)=I ，即向量F的協方差矩陣為m階單位陣。（
3）Cov(ei,ej)=0,i≠j ，Var(ei)=σi2，即向量e的協方差矩陣為p階對角陣。因子分析的基本思想是通過變量的相關系數矩陣內部結構的分析，從中找出少數幾個能控制原始變量的隨機變量Fi(i=1,2,...,m)，選取公共因子的原則是使盡可能多地包含原始變量中的信息，建立模型X=A· F+e ，忽略e，以F代替X，用它再現原始變量X的眾多分量之間的相關關系，達到簡化變量降低維數的目的。
[if !supportLineBreakNewLine]
[endif]
三、建立模型
[if !supportLineBreakNewLine]
[endif]
因子分析的基本步驟如下。
對數據進行標準化處理，
估計因子載荷矩陣，
因子旋轉，建立因子分析數學模型的目的不僅要找出公共因子并對變量進行分組，更重要的是要知道每個公共因子的意義，以便對實際問題作出科學分析。當因子載荷矩陣A的結構不便對主因子進行解釋時，可用一個正交陣右乘A（即對A實施一個正交變換）。由線性代數知識，對A施行一個正交變換，對應坐標系就有一次旋轉，便于對因子的意義進行解釋。
估計因子得分以公共因子表示原因變量的線性組合，而得到因子得分函數。我們可以通過因子得分函數計算觀測記錄在各個公共因子上的得分，從而解決公共因子不可觀測的問題。
[if !supportLineBreakNewLine]
[endif]
因子分析案例：
[if !supportLineBreakNewLine]
[endif]
題目：以下給出了中國歷年國民經濟主要指標統計（1992～2000）數據。試用因子分析對這些指標提取公因子并寫出提取的公因子與這些指標之間的表達式。
一、數據輸入
二、操作步驟 1、進入SPSS，打開相關數據文件，選擇“分析”|“降維”|“因子”命令。2、選擇進行因子分析的變量。在對話框的左側列表框中，依次選擇“工業總產值”“國內生產總值”“貨物周轉量”“原煤”“發電量”“原油”進入“變量”列表框。
3、選擇輸出系數相關矩陣。
單擊“因子分析”對話框中的“描述”按鈕，彈出“因子分析：描述”對話框。在“相關性矩陣”選項組中選中“KMO和巴特利特的球形度檢驗”復選框，單擊“繼續”按鈕返回“因子分析”對話框。
4、設置對提取公因子的要求及相關輸出內容。
單擊“因子分析”對話框中的“提取”按鈕，在“輸出”選項組中選中“碎石圖”復選框。
5、設置因子旋轉方法。單擊“因子分析”對話框中的“旋轉”按鈕，在“方法”選項組中選中“最大方差法”單選按鈕。
6、設置有關因子得分的選項。單擊“得分”按鈕，選中“顯示因子得分系數矩陣”復選框。
7、其余設置采用系統默認值即可。單擊“確定”按鈕，等待輸出結果。
[if !supportLineBreakNewLine]
[endif]
四、結果分析
1、KMO檢驗和巴特利特檢驗結果KMO檢驗是為了看數據是否適合進行因子分析，其取值范圍是0～1。其中0.9～1表示極好，0.8～0.9表示可獎勵的，0.7～0.8表示還好，0.6～0.7表示中等，0.5～0.6表示糟糕，0～0.5表示不可接受。如下表所示，本例中KMO的取值為0.657，表明可以進行因子分析。巴特利特檢驗是為了看數據是否來自于服從多元正態分布的總體。本例中顯著性值為0.000，說明數據來自正態分布總體，適合進一步分析。
2、變量共同度變量共同度表示的是各變量中所含原始信息能被提取的公因子所解釋的程度。如下表所示，因為本例中所有變量共同度都在85%以上，所以提取的這幾個公因子對各變量的解釋能力很強。
3
4、碎石圖有兩個成分的特征值超過了1，只考慮這兩個成分即可。
5、旋轉成分矩陣第一個因子在工業總產值、國內生產總值、貨物周轉量、發電量及原油上有較大的載荷，所以其反映的是除原煤以外的其他變量的信息，第二個因子在原煤這一變量上有較大的載荷，反映的是原煤這一變量的信息。
6、成分得分系數矩陣給出了成分得分系數矩陣，據此可以直接寫出各公因子的表達式。值得一提的是，在表達式中各個變量已經不是原始變量而是標準化變量。表達式如下：F1=0.194*工業總產值+0.216*國內生產總值+0.206*貨物周轉量+0.003*原煤+0.211*發電量+0.212*原油F2=0.311*工業總產值-0.002*國內生產總值-0.154*貨物周轉量+0.853*原煤-0.124*發電量+0.036*原油
分析結論：
[if !supportLineBreakNewLine]
[endif]
通過分析，我們可以知道：
由結果分析1、知，本例很適合使用因子分析。
由結果分析2、3、4可知，本例適合選前兩個公因子進行分析，因為這已足夠替代原來的變量，它們幾乎涵蓋了原變量的全部信息。
結果分析5給出了本例中的兩個公因子及其所反映的變量。
結果分析6給出了公因子與標準化形式的變量之間的表達式。
[if !supportLineBreakNewLine]
[endif]
參考案例數據：
[if !supportLineBreakNewLine]
[endif]
[if !supportLists]【1】 [endif]spss統計分析與行業應用案例詳解(第四版) 楊維忠,張甜,王國平 清華大學出版社
[if !supportLists]【2】 [endif]（獲取更多知識，前往gz號程式解說）
原文來自 https://mp.weixin.qq.com/s/5b-rkSherOn-tHyzBZPsTw
