因子分析法的优缺点及应用领域分析
本文目录一览：
spss分析方法-因子分析(转载)
一般所给样本数据，均以横向排列，SPSS 软件则是要求纵向数据排列，所以可以直接粘贴原横向排列数据，在excel快速转置成纵向数据，避免手动数据输入的繁琐与错误。
因子分析通常有三个步骤；第一步是判断是否适合进行因子分析；第二步是因子与题项对应关系判断；第三步是因子命名。
导入数据文档：点击工具栏中的“打开数据文档”按钮，导入需要进行数据检验的问卷。随后，点击菜单栏中的“分析”选项卡。降维——因子：在“分析”选项卡的下拉列表中，依次点击“降维——因子”命令。
因子分析的主要作用
1、因子分析的用处是：因子分析是将多个实测变量转换为少数几个综合指标（或称潜变量），它反映一种降维的思想。通过降维将相关性高的变量聚在一起，从而减少需要分析的变量的数量，而减少问题分析的复杂性。
2、可以发现变量之间的关系，将多变量划归为少数几个维度或因子。在问卷编制等方面用处比较大。
3、因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。
主成分分析法与因子分析法的区别
性质不同 主成分分析法性质：通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量。因子分析法性质：研究从变量群中提取共性因子的统计技术。
区别：在主成分分析中，最终确定的新变量是原始变量的线性组合，因子分析是要利用少数几个公共因子去解释较多个要观测变量中存在的复杂关系。
方式不同：因子分析法：通过从变量群中提取共性因子 主成分分析法：通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。
因子分析适合哪些问题的分析
1、步骤4：计算 因子变量得分 。当因子确定后，便可计算各因子在每个样本的具体数值。以后的分析中就可以利用因子得分对样本进行分类或评价等研究，进而实现了降维和简化问题的目标。
2、不适合因子分析，在0.7以上时，数据较适合因子分析，在0.8以上时，说明数据极其适合因子分析。
3、因子1主要解释的是中等房价、专业服务项目、中等校平均校龄，可以命名为社会福利因子； 因子2 主要解释的是其余两个指标，总人口和总雇员。可以命名为人口因子。
什么是探索性因子分析法?有何优缺点?
探索性因子分析主要是为了找出影响观测变量的因子个数，以及各个因子和各个观测变量之间的相关程度，以试图揭示一套相对比较大的变量的内在结构。
它是根据多项投入指标和多项产出指标，利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。
探索性因子分析(EFA)就是将所有测量题目放在SPSS中做因子分析，EFA的目的就是探寻测量题目所应归属的因子或潜变量。
探索性因子分析法（ExploratoryFactorAnalysis，EFA）是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。因而，EFA能够将具有错综复杂关系的变量综合为少数几个核心因子。