SPSS中因子分析中的选择变量是什么意思

在表因子变量解释贡献率（Total Variance Explained）中,看各个主因子的方差贡献率（Initial Eigenvalues栏下的% of&n

跟多重共线性没关系,做因子分析本身就是为了处理多重共线性的这个有可能是你的数据质量有问题,也有可能是指标选择有问题如果上面两个都没问题,那只能说明你所有的这些指标就只能提取出一个公共因子来

可以做的,不会做我帮你我替别人做这类的数据分析蛮多的

在回归分析模型Y=β0+β1X+ε（一元线性回归模型）中,Y是被解释变量,就称为因变量.X是解释变量,称为自变量.表示为：因变量Y随自变量X的变化而变化.协变量是指那些人为很难控制的变量,通常在回归分

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.

对SPSS来说,直接用原始的数据就可以进行因子分析,相关系数矩阵只是其生成结果的一部分,根本用不着先输入相关系数矩阵,再去做因子分析,这样SPSS反而做不出来

用因子载荷矩阵的第i列的每个元素分别处以第i个特征根的平方根,就得到主成分分析的第i个主成分的系数,如第一主成分的第一个变量的系数为0.956除以2.777的平方根,这里打不出根号,不好意思,以此类推

分析之前有清理过数据吗,排除那些随意不认真作答的问卷.还有就是你所采用的问卷是否是成熟的量表,外国的话在国内是否修订过.如果都是的话,不太应该出你所说的这种多负载的情况.负载小的那些变量直接排除不行吗

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

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

你说的：“原始标量数据后面会出现新的数据”不是标准化的数据,而是各因子的得分.

这个式提取公因子,你这个表原来有7个因子,第一个因子的解释能力,也就是在总方差中占得比例为29.275%,第二个因子是19,.112%,以此类推.SPSS提取了三个公因子,这三个公因子在总方差累积的比

按照旋转后的再问：我计算的时候也是这样算的。可spss的书上怎么的是按照原始特征方差值呢？张文彤那本。不知是否写错了？再答：我记得，我学的书用的就是旋转后的

参考下百度文库：http://wenku.baidu.com/view/3e70962058fb770bf78a5547.html再问：不是问卷的信度分析啊，QQ方便么？再答：其实我也是初学的，不好意

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.

是球形检验,如果相应p值小于0.05,说明变量之间存在相关性,适合做因子分析,df是自由度,sig是p值.后面的是题项.再问：谢谢，我已经知道了，非常感谢！那么如果我只想做一种变量与其它因素的关系，而

求各主成分的权重：权重就是用提取出来的主成分的特征根值去除以这几个主成分特征根值之和就得出对应每个主成分的权重了.各个主成分的特征值可以查看解释的总方差表.因子解释变异量：因子解释的变异量=该因子特征

一个因子通常包括很多个子项,因子得分是指这些子项按照一定的加权规则（spss自行定义的）计算出来的数值.希望能帮到您!再问：例如我现在是人口预计，中有GDP，生活成本，还有学校数目等等等等，那得分是什

去人大经济论坛看看吧,这类问题很多,一两句话说不清楚……