amytianli
求助:
我是一名非统计专业的文科生,对于spss的理论缺乏深入的学习和研究,但由于本科毕业论文的需要,尝试了学习和应用spss进行因子分析,现在论文终于是作出来了,但仍有以下疑惑没有解决:(纯粹是出于对真理的追求,想尽可能地学到一些知识呵,至于论文成绩,老师已经被我的认真感动得要给我“优秀”了。)
本想把完整的论文也放上来,但不知道怎么上传为附件,所以只好作罢....如果有哪位有兴趣和好心要参照一下来回答我的提问的话,请给我发信:litian8511◎gmail.com
我很清楚地知道这样一篇所谓的“spss应用和分析”,在这里的各位专业人士眼里,绝对是犯了不少不可饶恕的错误,将怡笑于大方之家的,还是出于“学习”和求知的目的吧,请各位赐教!你可以相信的是,我是一个有诚心学习的认真之人。
先谢过各位了,如果您认为问题太多,有必要电话说的话,请联系我:010- 65717273,litian8511@gmail.com
归纳起来,我的疑惑如下:
1. 对于问卷结果数据,我没有进行相关的检验而直接用于了spss的因子分析,由于缺乏相关的统计学理论知识,又急于完成论文,想求教各位:是否进行对数据正态性检验就可以了?
2. 因子分析中:我的数据来源是这么处理的: “由于每个被调查者分别对5个目的地6个因素进行了打分,所以在考查6个因素相关性和进行因子分析时,每个人的结果就可以作为5个样本来进行分析,因此在296人的数据结果分析中,总样本量为1480个,符合样本量数量上的要求。” 是否在理?
3. 是否适合因子分析上不同的检验方法下产生了一定的矛盾:
(1)相关系数检验: 原有变量间大部分的相关系数多小于0.3,但通过了统计检验,说明原有的6个变量之间有一定的但并非很强的相关关系,从而可能无法从中综合出能反映某些变量共同特征的少数公共因子变量来。因此,从这个角度说,这些变量可能并不十分适合于进行因子分析。
(2)kmo检验: KMO检验的值为0.776,该值越接近于1,则越适合于做因子分析。根据Kaisert提出的KMO标准,0.7<KMO<0.8是一般适合做因子分析的。而巴特利特球形检验的结果是0.000,即拒绝了系数矩阵是一个单位阵的零假设,也即认为原始变量之间存在相关性,适合于做因子分析。
对于这个矛盾,我是这样解释的:
综上,根据通常的判断标准(kmo和battle检验),这6个变量间是适合于进行因子分析的,但同时,相关系数矩阵的分析也显示,该组变量相关性并不是非常大,不是最为理想的因子分析变量。 因此提示我们可能有必要在因子提取时考虑多提取几个公共因子,从而尽可能地增加所提取因子的代表性和解释力度
可否算做在理?
4. 因子命名上的疑惑:
由于结果出来,并没有看出各个显示出可以归结为同一个因子解释的变量之间有明显的包含关系,谨慎考虑,我的命名方法基本是原变量含义的“加总”,
如下:
我们将因子1命名为“环境和口碑好”,因子2命名为“文化和周边吸引”,因子3命名为“价格及时间合适”。
但这样是不是失去了因子分析的意义?
5. 对于调查取得的数据,我进一步进行了分组处理,(即将总数据分成了两个“子集”)并进行比较,但在计算因子得分时,采用的仍然是“全集”进行因子分析得出的因子得分值,因为考虑到如下因素:
在应用SPSS进行因子分析的过程中,最后两组的对比结果采用的是“总混合组”分析时所得到的因子载荷矩阵的值进行因子得分计算和汇总比较。从理论上来说,有必要对两组样本再分别进行因子分析,但如此可能造成因子载荷两组完全不一样的问题,影响两组分别提取的因子间的可比性,也将造成理想向量的不统一,因此最终采用的是分别加总“总混合组”两组样本数据得分结果的方法。特此说明。
是否可以接受这样的处理?
呵呵 问题实在是怡笑大方了,理论知识在短期内实在难以迅速提高到需要的水平,尽管我也很努力的,请高手们见谅….
文字
gzw6681467
你提的问题太多太复杂了,没有看你的原文是难以准确回答的。其实你现在所遇到的问题,也肯定是许多初学人所遇过的问题,这是正常的,而且其中有些问题确也较复杂,提这些问题不算怡笑大方。如果可以,你把你优秀的东西发过来看看。gz_czw@163.com
eduxin
问题真的好多啊
hoho
因素分析的前提假设你需要翻翻一些教材。最大的假设应该还是连续变量和正态性假设。
至于你提到的第二个问题,显然是不正确的。会导致很严重的测量相关性的问题存在。即观察值的非独立性。样本量也发生了变量。
第三个问题我不是很明白。因素分析本来就不要求变量间相关太高。因为存在着共线性问题。
关于因子命名,没有太多的看法,主要还是要看你的理论建构。
跨样本的因素结构检验,在SPSS里本来就很难实现,最好还是通过验证性因素分析来做了。
laurayan
楼上的高手,因子命名主要还是要看自己的理论构建,这是不是意味着为了迁就自己研究的目的,在得出共同因子的负荷量之后不一定非得给所有的项目重新分类?