SPSS中因子分析的步骤是怎样的？

SPSS中因子分析的步骤是怎么样的？不少数据分析员这样问到，今天小编就带大家真正了解因子分析，有基础有深度从因子分析定义、因子分析法的特点、SPSS中因子分析步骤三方面着手。

因子分析定义

因子分析是研究从变量群中提取共性影子的统计技术，是将现实生活中多种相关和重叠的信息进行合作和综合，将原始的多个变量和指标变成较少的几个综合变量和综合指标的一种分析方法。通常是选出比原始变量个数少，能解释原来变量和综合指标的一种分析方法。通常是选出比原始变量个数筛，能解释原来变量的主要信息，以便浓缩数据的变量，即所谓的因子，可以用以解释资料的综合指标。

因子分析法的特点

1.因子变量的数量远少于原有的指标变量的数量，多音字变量的分析能减少分析中的计算工作量；

2.因子变量不是对原有便利的取舍，而是根据原始变量的信息进行重新组构，它能反映原有变量大部分的信息；

3.因子变量之间不存在线性相关关系，对变量的分析比较方便；

4.因子变量具有命名解释性，即该变量是对某些原始变量信息的综合反映。

SPSS中的因子分析步骤

因子分析过程是对一个案例进行的最简单分析，虽然不能得到较满意的结果，但通过初步分析可以对研究的问题有一个初步的认识，对进一步的数据分析有很大的帮助。这里主要介绍SPSS因子分析的3个重要步骤：

1.因子提取：通过分析原始变量之间的相互关系，从中提交较少的因子。提取方法是利用选择本数据得到因子负荷矩阵。求解因子负荷矩阵的方法有很多，如主轴因子法等。使用因子负荷矩阵求解变量相关的矩阵的特征值，根据特征值的大小确定数量。

2.因子旋转：因子分析中的一个重要目的是对原始数据进行综合评价。利用因子提取方法得到的结果虽然保证了因子之间的不相关，但因子对变量的解释能力较弱，不容易解释和命名。通过因子模型的旋转变化，使公共因子的负荷和数更接近于1或0、使得到的公共因子对变量的命名和解释更加容易。进行正交换可以保证变换后各因子仍正交，但如果经过正交交换后对公共因子仍不能解释，可以进行斜交旋转变换。

3.计算因子得分：使用因子表示原始变量，需要知道因子和原始变量之间的线性关系。计算因子得分的主要方法有回归法、巴特利特法和Anderson-Rubin法。