利用SPSS进行因子分析(Q型)

利用SPSS进行因子分析（Q型）

R型因子分析是在样本空间中处理变量，最后利用变换结果分析样本；而Q型因子分析则是在变量空间中处理样本，对样本进行归类和分析。R型因子分析是从原始变量出发，基于变量的相关系数矩阵进行求解的；而Q型因子分析则是从原始变量出发，基于样本的相似系数矩阵进行求解的。Q型因子分析的数学过程和思路与R型因子分析基本相似，但Q因子分析对变量的标准化要求较低，一般不对数据进行中心化，具体方法请参考讲义中的有关内容。

至今为止，没有找到进行Q型因子分析的良好范例，下面仍然借助前例作一简单说明。

第一步，录入数据（图1）。

图1 录入工作表中的原始数据

第二步，对数据进行转置。

沿着主菜单中的Data→Transpose(转置)路径（图2）打开数据转置选项框（图3）。然后，将变量移入Variable(s)空白栏中，将样本主题“省市”移入“Name Variable”空白栏（图4）。再然后，点击OK确定，原始数据立即转置（图5）。最后，将转置以后的数据用一个文件名保存起来（图6）。

h

h

图2 转置（Transpose）在Data中的位置

图3 矩阵转置对话框

图4 设置完毕以后的选项框

h

h

图5 转置以后的数据（局部）

图6 保存文件

第三步，因子分析。

下面的步骤与R型因子分析基本一样，设置Factor Analysis选项框的方法可以参考“利用SPSS进行主成分分析”和“利用SPSS进行因子分析（R型）”部分。完成设置以后（图7），确定，即可得到Q型因子分析的结果（图8）。 遗憾的是，用这个例子作Q型因子分析很不理想，上述过程只是告诉大家利用SPSS进行Q型因子分析的操作方法，至于分析，可以寻找一组较“好”的数据进行练习。

图7 设置完毕以后的因子分析选项框

h

h

图8 Q型因子分析的输出结果（局部）

Scree Plot302010Eigenvalue0-101357911131517192123252729Component Number图9 特征根的山麓图

h

h

Component Plot1.0山东江苏四川河南河北广东辽宁湖北浙江湖南安徽黑龙江福建广西江西云南山西吉林陕西上海内蒙北京贵州甘肃天津海南青海宁夏.50.0Component 2-.5-1.0-1.0-.50.0.51.0Component 1图10 Q型成分图

Component Plot in Rotated Space1.0山东江苏四川河南广东河北辽宁湖北浙江湖南安徽黑龙江福建广西江西云南山西陕西吉林内蒙上海北京贵州甘肃天津海南青海宁夏.50.0Component 2-.5-1.0-1.0-.50.0.51.0Component 1图 11 正交旋转空间中的成分图式

h

h

Component MatrixComponent1北京天津河北山西内蒙辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南四川贵州云南陕西甘肃青海宁夏.983.966.928.991.982.950.986.963.948.872.979.992.990.997.822.910.984.990.946.997.9.910.976.991.944.992.967.951.951.9802-.176-.231.278-.104-.160.213-.1199.372E-02-.136.476.165.102-1.60E-02-6.11E-02.562.377.175.120.275-2.85E-02-.293.408-.193-.101-.300-.116-.217-.306-.307-.193Component Score Coefficient MatrixComponent1北京天津河北山西内蒙辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南四川贵州云南陕西甘肃青海宁夏.036.035.034.036.035.034.036.035.034.032.035.036.036.036.030.033.036.036.034.036.034.033.035.036.034.036.035.034.034.0352-.098-.128.1-.058-.0.118-.066.052-.075.263.091.057-.009-.034.311.209.097.066.152-.016-.162.226-.107-.056-.166-.0-.120-.169-.170-.107

图12 Q型因子得分（包括非旋转和正交旋转的结果）

欢迎您的下载，资料仅供参考！

h