因子分析後為什麼要進行迴歸分析 ?

General 更新 2024-11-17

因子分析後為什麼要進行迴歸分析

用因子得分FAC1-1做迴歸，那個因子載荷陣是原變數與因子的相關係數，你可以參考網上的文獻，另外新生成的因子是不相關的，不用做相關分析了

請問做相關分析前，一定要做因子分析嗎？因子分析的目的是什麼？謝謝！

主成分分析和因子分析的區別 :jok:

1，因子分析中是把變量表示成各因子的線性組合，而主成分分析中則是把主成分表示成

個變數的線性組合。

2，主成分分析的重點在於解釋個變數的總方差，而因子分析則把重點放在解釋各變數之

間的協方差。

3，主成分分析中不需要有假設(assumptions),因子分析則需要一些假設。因子分析的假

設包括：各個共同因子之間不相關，特殊因子（specific factor）之間也不相關，共同

因子和特殊因子之間也不相關。

4，主成分分析中，當給定的協方差矩陣或者相關矩陣的特徵值是唯一的時候，的主成分

一般是獨特的；而因子分析中因子不是獨特的，可以旋轉得到不到的因子。

5，在因子分析中，因子個數需要分析者指定（spss根據一定的條件自動設定，只要是特

徵值大於1的因子進入分析），而指

定的因子數量不同而結果不同。在主成分分析中，成分的數量是一定的，一般有幾個變數

就有幾個主成分。

和主成分分析相比，由於因子分析可以使用旋轉技術幫助解釋因子，在解釋方面更加有

優勢。大致說來，當需要尋找潛在的因子，並對這些因子進行解釋的時候，更加傾向於

使用因子分析，並且藉助旋轉技術幫助更好解釋。而如果想把現有的變數變成少數幾個

新的變數（新的變數幾乎帶有原來所有變數的資訊）來進入後續的分析，則可以使用主

成分分析。當然，這中情況也可以使用因子得分做到。所以這中區分不是絕對的。

總得來說，主成分分析主要是作為一種探索性的技術，在分析者進行多元資料分析之前

，用主成分分析來分析資料，讓自己對資料有一個大致的瞭解是非常重要的。主成分分

析一般很少單獨使用：a，瞭解資料。(screening the data),b,和cluster analysis一

起使用，c，和判別分析一起使用，比如當變數很多，個案數不多，直接使用判別分析可

能無解，這時候可以使用主成份發對變數簡化。（reduce dimensionality）d,在多元回

歸中，主成分分析可以幫助判斷是否存在共線性（條件指數），還可以用來處理共線性

。

在演算法上，主成分分析和因子分析很類似，不過，在因子分析中所採用的協方差矩陣的

對角元素不在是變數的方差，而是和變數對應的共同度（變數方差中被各因子所解釋的

用SPSS作因子分析，資料為什麼要標準化

不標準化可能會由於不同列的資料本身的大小差異影響結果

比如一列重量資料的範圍可能都是幾g，資料都是個位數，然後一列資料的計量單位是m，但實際值都是0.0001起的，因為主成份分析時，只考慮資料，未把計量單位考慮進去，這樣兩列資料的大小差異很大，會影響結果，因此對資料進行一定的標準化處理，使所有列的資料範圍都在正負1之間，這樣可以避免資料差異的影響

為什麼在做SPSS因子分析時要進行不止一次的因子的抽取

一次抽取過後，不合適的專案要刪除。之後要再抽取，再刪除專案。這樣就多次了。

當然，如果資料、結構夠好，一次也可以探索成良好結構

因子分析後得到的幾個成分做迴歸分析，為什麼還要考慮多重共線性?

因為他不是用的因子得分，是線性計算的值

理論上用因子得分

在因子分析中，為什麼要對因子進行旋轉

主成分分析不能旋轉，因子分析才能。很多論文這個方面都誤用了統計專業，為您服務

實證一定要進行因子分析嗎

實證是相對於理論而言的，凡是涉及到資料和統計分析的，都可以叫實證，而因子分析只是眾多統計分析方法中的一個而已，自然就不是必須的了。（南心網SPSS實證分析）

spss因子分析為什麼要對因子進行旋轉？

因子旋轉是為了更有利於用現實語言來描述所得因子。正常因子分析得出的因子可能邏輯意義不明顯，理解起來很困難。但旋轉之後就可能得到有邏輯意義的因子。

在因子分析中，為什麼要對因子進行旋轉