因子分析降維?

主成分分析和因子分析的不同點為.因子分析可以處理降維

是的，可以處理的

主成分分析和因子分析有什麼區別？

因子分析與主成分分析的異同點:

都對原始數據進行標準化處理; 都消除了原始指標的相關性對綜合評價所造成的信息重複的影響; 構造綜合評價時所涉及的權數具有客觀性; 在信息損失不大的前提下，減少了評價工作量

公共因子比主成分更容易被解釋; 因子分析的評價結果沒有主成分分析準確; 因子分析比主成分分析的計算工作量大

主成分分析僅僅是變量變換，而因子分析需要構造因子模型。

主成分分析:原始變量的線性組合表示新的綜合變量，即主成分；

因子分析：潛在的假想變量和隨機影響變量的線性組合表示原始變量。

用spss做因子分析怎麼選擇需要降維的數據

理論假設是基礎，你認為從理論上講哪些指標是具有關聯的，那就要分析這些指標，然後根據因子分析的結果篩選高質量的指標。（南心網 SPSS因子分析）

用SPSS做因子分析怎麼選擇需要降維的數據

用一次相關性矩陣，把不要的剔除掉，或者選擇自動剔除的選項

主成分分析和因子分析的不同點為.主成分分析可以處理降維，而因子分析不可以

二者的目的和最終結果都是降維，把原始的題目歸納為少數幾個有代表性的因子，具體的實現方式不一樣而已。

spss分析問卷調查通過因子分析降維得到的因子得分，可以拿來做迴歸分析嗎

要的，不然就做典型相關

主成分分析指標數量太多，怎麼降維

1輸入數據。

2點Analyze 下拉菜單，選Data Reduction 下的Factor 。

3打開Factor Analysis後,將數據變量逐個選中進入Variables 對話框中。

4單擊主對話框中的Descriptive按扭，打開Factor Analysis: Descriptives子對話框，在Statistics欄中選擇Univariate Descriptives項要求輸出個變量的均值與標準差，在Correlation Matrix 欄內選擇Coefficients項，要求計算相關係數矩陣，單擊Continue按鈕返回Factor Analysis主對話框。

5單擊主對話框中的Extraction 按鈕，打開如下圖所示的Factor Analysis: Extraction 子對話框。在Method列表中選擇默認因子抽取方法——Principal Components，在Analyze 欄中選擇默認的Correlation Matrix 項要求從相關係數矩陣出發求解主成分，在Exact 欄中選擇Number of Factors;6， 要求顯示所有主成分的得分和所能解釋的方差。單擊Continue按鈕返回Factor Analysis主對話框。

6單擊主對話框中的OK 按鈕，輸出結果。

統計專業研究生工作室原創，請勿複雜粘貼

spss因子分析

本來想給你截圖的，可是傳不上來，我就簡單說一下哈。

首先你得進行一次預計算，選擇菜單裡分析——降維——因子分析，跳出主面板，把想分析的變量選到變量框裡，然後點確定。這時候輸出窗口裡會只有一個或兩個圖表。其中有一個圖表是主成分的方差貢獻。這個圖表裡你要找到兩個相鄰的列（應該是第三列和第四列），其中前一個列指的是單個因子對方差的貢獻率，後一個是因子累計貢獻率。也就是說前一個列裡邊數值相加等於100，後一個列裡邊數值遞增，最後一個等於100。假如前一個列裡是60,30,10，那麼後一列裡就是60,90,100.兩個列之間有一個和的關係。找到這兩個列以後，你要找使得累計貢獻率達到百分之八十的那個數。這個表的第一列是1,2,3，等等，它代表第幾個因子，比如3指的那行就包括第三個因子的方差貢獻率，累積到第三個因子的方差貢獻率這兩個數據。你要找到累計到達百分之八十的那個因子是第幾個因子，然後就按提取幾個因子進行計算。

通過預計算知道了提取幾個因子之後，就開始正式計算。再次打開因子分析的主面板，在最右邊一共有五個選項，分別是描述，抽取，旋轉，得分，選項。這五個在預計算裡邊沒有用，但是現在要用了。點繼續。

點擊描述，在對話框裡選上初始變量分析，kmo統計量及bartlett球形檢驗這兩個選項，（注意，kmo和bartlett是一個選項，選項名就是很長）這一步是用來判斷變量是否適於進行因子分析的。

點擊抽取，對話框裡最上邊的方法就選主成分，分析裡選上相關性矩陣，輸出選上未旋轉的因子解和碎石圖兩個選項，抽取裡選擇因子的固定數目，在要提取的因子後邊填上你預計算裡算出的因子數目。點繼續。

旋轉裡邊選最大方差法，輸出旋轉解。繼續。

得分裡邊選保存為變量，方法為迴歸，顯示因子得分系數矩陣也要打上勾。繼續。

確定。

然後就可以分析結果了。

先看kmo和bartlett的結果，kmo統計量越接近1，變量相關性越強，因子分析效果越好。通常0.7以上為一般，0.5以下不能接受，就是不適合做因子分析。bartlett檢驗從檢驗相關矩陣出發，如果p值，就是sig，比較小的話，一般認為小於0.05，當然越小越好，就適於因子分析。

如果這兩個檢驗都合格的話，才可以去寫因子模型。

為了便於描述，假設我們有兩個因子f1，f2，

旋轉變換後的因子載荷矩陣會告訴你每個變量用因子表示的係數。比如變量x1=係數1*f1+係數2*f2，變量2以此類推。

因子得分系數矩陣會告訴你每個因子裡各變量佔得權重，比如f1=係數1*x1+係數2*x2+。。。

根據這個我們就能算出因子得分了。

因為之前選擇了將因子保存為新變量，所以spss會直接保存兩個因子得分為兩個新變量，

然後我們不是有一個公式嗎

總得分=因子1的方差貢獻率*因子1的得分+因子2的方差貢獻率*因子2的得分+...

根據這個公式計算一下就可以了。

用spss或者Excel都可以。

希望能對你有幫助哦。

ppv課，大數據培訓專家，最專業的大數據培訓平臺。為你提供最好的spss學習教程哦。

請問怎樣把三年的數據進行降維分析？

可以分開做三次，也可以取平均值做一次，也可以做面板主成分分析

如何解釋因子分析結果

首先要說明的是，因子分析是用來降維的。

比如你有很多變量，用這麼多變量來解釋另一個變量，顯得有點複雜，但是如果能找到其它的幾個少量的變量來代替這些變量來進行下一步的分析，這就要用到因子分析。它運用了數學上的矩陣變換思想。

而在實際運用過程中，如果只有5個因素，（也就是你所說的因子）那因子分析這部分就不需要了。

因子分析的結果很好解釋，只是方法選的如果有問題，解釋的再好也沒有意義。