效度和因子分析

以下是我自己通俗的理解哈.主成分分析,就是多个变量综合起来反应一个指标,要把这个指标找出来.因子分析就是其实潜在的有几个指标,而表现出来的是这几个指标随机组合作用出来的结果.因子分析不好理解是吧,举个

对每个所有题项进行因子分析,如果KMO和Bartlett球形检验的结果表明其并不适合做因子分析这说明你的数据有问题,结构效度现在分为两种一种用因子分析的方法,但是这种不咋用了,还有一种是用结构模型验证

这需要看你问卷的具体问题,如果你问卷中包含若干量表,则需要对每一个量表进行效度分析（KMO和巴特利检验及因子分析）,如果你整张问卷就是一张普通的调查问卷的话,对问卷进行整体的效度分析就可以了.

用因子分析,就已经是在检验变量的整体了　　因子分析就是用少数几个因子来描述许多指标或因素之间的联系,以较少几个因子反映原资料的大部分信息的统计方法.　　三、因子分析的SPSS过程　　第一步：准备数据文

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.

很多人误解了探索性因子分析的用法了很明显你已经有了事先假设设计的维度了,这种情况下,即使你的数据是100%理想,采用探索性因子分析也十有八九算出跟你假设的维度不一样的结果来.因为你事先假设设计是基于某

你通过因子分析中一个选项保存因子得分,之后会在原数据最后保存生成3列因子得分,假设为a1a2a3代表3个因子然后根据因子分析得出三个因子的特征根值,分别计算粗3个因子的权重,分别为各自的特征根值/三个

用因子得分FAC1-1做回归,那个因子载荷阵是原变量与因子的相关系数,你可以参考网上的文献,另外新生成的因子是不相关的,不用做相关分析了

有数据和参考论文吗有的话发到luguoda9you@sina.com我看看如何处理

主成分分析就是将多项指标转化为少数几项综合指标,用综合指标来解释多变量的方差-协方差结构.综合指标即为主成分.所得出的少数几个主成分,要尽可能多地保留原始变量的信息,且彼此不相关.因子分析是研究如何以

你的数据不适用因子分析因子分析的自变量应该是定类的,比如“男”“女”这样名义变量,数值型的话至少应该是非连续性的.atleastonegrouphasfewerthantwocases说穿了就是你的自

第一：两种的函数构成相反,因子分析在于发现潜在的影响因素,是可观测自变量之外潜在的因素,主成分则是自变量的系数聚合；第二：因子分析给出的重要结果又两个,第一个是因子的命名,也就是潜在的因素,需要命名.

聚类分析一般是用来描述变量或者样品之间相似性的方法,事先是不知道有多少中类别的.判别分析是事先知道了有哪些类别,而且有相应的分类数据,那么可以通过已知的分析数据建立一个分类的规则,那么给出一个或多个未

是的,这是因子分析的前提条件,通不过这两个东西就说明量表不适合做因子分析再问：可是我看了好多论文上面在做因子分析时都没有做相关检验的，还是在核心期刊上，我把那些数据检验一下救过都是显示Thismatr

主成分分析可以理解为一种数据的处理理论,也可以理解为一种应用方法.而因子分析则可以理解为一种应用方法,因为做因子分析采用的比较多的就是用主成分分析的方法来浓缩因子.所以其实所谓的区别只不过是在学科研究

因子分析法和主成分分析法都是降维处理多变量的回归问题,不同意楼上的说法,不是包含的关系.另外主成分分析法在SPSS中没有办法直接实现,是通过因子分析来构建模型的.它们的区别还是模型构建体系不一样,因子

效度分为很多,你说的应该是结构效度因子分析有标准步骤,不是说你这么做因子分析就不好,他那么做因子分析就好需要对哪些变量做因子分析,要根据你的目的来决定kmo是必须要看的我经常帮别人做这类的数据分析

因为你没有将因素负荷排序,这样结果很难看清楚的.你的第1个因素的项目太多了,旋转了还这么多.

主成分分析就是将多项指标转化为少数几项综合指标,用综合指标来解释多变量的方差-协方差结构.综合指标即为主成分.所得出的少数几个主成分,要尽可能多地保留原始变量的信息,且彼此不相关.因子分析是研究如何以

spss因子分析中有一项是直接可以输出各因子的得分的就是后面多出的新变量以factor开头的就是各因子的得分然后你就直接把这些因子得分当成普通变量进行后续的方差分析这些就可以了