因子分析中变量间相关性不先但是kmo值挺小

dummyvariable?它本来不就是从多分类变量中造出来的哑变量（或虚拟变量）吗,就是要转化成这样的2分类变量来用的.值写什么无所谓,只要是两个不同的值即可,他们的大小只影响相关系数的符号,因为是

这个不是回答过了么?

相关分析,和是否保留变量没任何关系你说的是相关分析的显著性如果不显著,2个原因1是你设计有误,数据收集的质量控制不好2是数据原本如此,不能改变事实我经常帮别人做这类的数据分析的再问：额，我发现是版本问

你看相关系数较大的是哪几个变量啊,从相关分析表里就可以很直观的看到

实际上你的work就相当于一个小模块,打个比方,你要写个计算器程序,实现两个数之间的加减乘除,这时候你的work就相当于实现加或减或乘或除的一个功能,在handle中调用这样一个函数会让整体代码看起来

变量是用在方程中的,选择变量是过滤个案的.比如说个案要求某变量中的值>6,则那个变量大于六的个案才进入方程.问题基础点,不介意的话看看书吧.SPSS的教材挺多的.

首先建立两个变量如x,y,把数据录入进去（两列）,在analysis里头,选correlate,分别把x,y放进去,点OK就可以得到结果.再问：我用的是中文版的SPSS，点击：分析—相关-双变量相关，

问题补充：特征值大于1了,但累积贡献率仅为60%,如何提高累积贡献率?..这个和因子分析所选的每个变量有关系,变量之间要有一定的相关性,同时也可以

既然是同一变量那么就是说该变量的观测值一部分是水中的测量值一部分是土壤中的测量值它们的含义不一样承载在信息量就不一样不能合并在一起标准化否则结果是无意义的.再问：那如果二者（水和土）都是污染源，在做源

没有解决的方法spss因子分析是根据你的数据本身的特点进行分析得出的,从数据上来说它是准确的方法但是有可能它与实际的预设会存在不一致的情况要么就分析下通过因子分析得出的维度,从而找到意义所在要么就重新

因子分析算是spss高级进阶的内容了,一般缺少统计基础的人很难理解因子分析的数据基础,导致在数据分析的时候忽略很多细节,导致错误的发生.在因子分析中最容易发生的一个错误就是某些变量的因子载荷出现负数而

Qualitybesidesmicronairevalueandelongationofrelevancenotsignificant,otherqualitytraitsofbothshowedsi

SPSS变量录入：变量1,采样地区,可以根据地区的数量,相应定义1、2、3……A/B两变量直接录入含量数据.四种元素如果可以同时存在的,就对应列4个变量,每个变量以0/1代替无/有.分析：A和B的相关

Analyza->Correlate->Bivariate,把4个变量都右边放入变量框,结果你只看第一变量那一行或那一列就行.

如果是看读某本书和性别之间是否有关系用关卡方检验

如果你收集的数据是真实数据的话,用修改数据来提高相关性就没必要了.记得在因子分析前要数据预处理,移除界外值.

虚拟变量,你可以试试0-1这样的虚拟变量,含0的,对应的y低,含1的对应的y高（假设正相关）.其实主要看你的虚拟变量打算加在哪里,加在常数项就这么做,加在系数项的话就是另外一组数据了.你可以先写个含虚

一般可以用统计软件中的逐步回归方法,可以自动把有意义的变量纳入到回归模型里面；也可以先做单变量的回归,然后把单变量分析有意义的自变量都纳入到回归模型里,做多元回归,但是在临床或者实际上有关联的重要观察

看里面的Pearson那一行就是相关系数是正数为正相关负数为负相关一般来说|r|>0.95存在显著性相关；|r|≥0.8高度相关；0.5≤|r|

有什么怎么办的?那结论就是不大了啊,你还要纠结什么?非要把女人说成男人吗?