“因⼦分析”是统计数据分析⽅法之⼀，因⼦分析包括探索性因⼦分析和验证性因⼦分析。本⽂主要讨论探索性因⼦分析。 ⼀、研究背景
关于⼯作满意度有14个问题，调研得到215份问卷结果。希望通过因⼦分析，⽤少量因⼦反映14个题⽬的信息，从⽽达到降低维度，便于分析的⽬的，并对因⼦命名⽤于后续分析。 ⼆、分析步骤
Step1数据准备：
依据研究⽬的，收集相关数据。本例中就是我们收集得到的14个问题的有关数据。因⼦分析要求数据⼀定为定量数据，问卷数据⼀般为量表题。
Step2选项设置：
点击【进阶⽅法】--【因⼦分析】。
将分析项拖拽⾄右侧，点击[开始分析]，即可得到分析结果。
电子商务与电子政务•设置[因⼦个数]：如果有预期想提取的因⼦个数，可以主动设置输出的因⼦个数。•勾选[因⼦得分]：可⾃动保存因⼦得分。 •勾选[综合得分]：可⾃动保存综合得分。
丙烯酸羟乙酯
琼斯模型Step3结果解释：
①判断数据是否适合因⼦分析
⾸先考察收集到的原有变量适不适合进⾏因⼦分析，我们利⽤KMO检验和Bartlett的检验结果进⾏判断。
表1：KMO和Bartlett的检验
上表展⽰KMO检验和Bartlett的检验结果。
通常KMO值的判断标准为0.6。⼤于0.6说明适合进⾏分析，反之，说明不适合进⾏分析。同时Bartlett检验对应P值⼩于0.05也说明适合分析。
SPSSAU输出的结果中会给出智能解读结果，直接查看智能分析：
②判断提取因⼦个数
多数情况下，我们在分析时已经带着主观预期，希望题项如何归类，此时可以直接设置对应的因⼦个数。
本例中，⼯作满意度预期分为4个维度，因此将因⼦个数设为4。再进⾏分析。
因⼦个数设为4
表2：⽅差解释率表格
⽅差解释率表格，主要⽤于判断提取多少个因⼦合适。以及每个因⼦的⽅差解释率和累计⽅差解释率
情况。⽅差解释率越⼤说明因⼦包含原数据信息的越多。因⼦分析中，主要关注旋转后的数据部分。
从上表可知：本次共提取了4个因⼦。此4个因⼦旋转后的⽅差解释率分别是24.993%,22.049%,20.191%,18.809%，旋转后累积⽅差解释率为86.042%。
说明4个因⼦能够提取14个分析项86.042%的信息量，这个值没有固定标准，⼀般超过60%都可以接受。
如果研究⼈员并没有预设维度。⽽选择默认选项，SPSSAU默认以特征根⼤于1作为标准。
特征根：指标旋转前每个因⼦的贡献程度。此值的总和与项⽬数匹配，此值越⼤，代表因⼦贡献越⼤。棉鞋里的阳光教学设计
当然因⼦分析通常需要综合⾃⼰的专业知识综合判断，即使是特征根值⼩于1，也⼀样可以提取因⼦。
碎⽯图抗体酶>中小企业管理与科技
同时可结合碎⽯图辅助判断因⼦提取个数。当折线由陡峭突然变得平稳时，陡峭到平稳对应的因⼦个数即为参考提取因⼦个数。
实际研究中更多以专业知识，结合因⼦与研究项对应关系情况，综合权衡判断得出因⼦个数。
③判断因⼦与题项对应关系
上⾯提到确定因⼦提取个数除了要考虑以上指标，更重要的是结合因⼦与研究项对应关系情况判断。
因⼦载荷系数表，正是反映因⼦和研究项对应关系情况。
表3：旋转后因⼦载荷系数表格
从结果中可以看出，使⽤因⼦分析对14个项进⾏浓缩处理，浓缩为四个因⼦。
因⼦与题项对应关系，其中Q12-Q14在F1因⼦上有较⾼的载荷，说明F1因⼦可以解释这⼏个分析项，它们主要反映了⼯作报酬⽅⾯的满意度；
Q9-Q11在F2上有较⾼的载荷，它们主要反映了领导管理⽅⾯的满意度；
Q5-Q8在F3上有较⾼的载荷，它们主要反映了⼯作环境⽅⾯的满意度；
Q1-Q4在F1上有较⾼的载荷，它们主要反映了个⼈发展⽅⾯的满意度。
Step4结果调整：
如果出现因⼦分析结果与预期结果不⼀致，这种情况是⾮常常见的。对于不理想的题项可以移出该项，再次分析，直⾄所有分析项与因⼦对应关系良好。
如果出现以下3种问题，则需要对不合理题项进⾏删除:
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议