因子分析篩選指標

⑴ 因子分析法如何確定主成分及各個指標的權重

(1)首先將數據標准化，這是考慮到不同數據間的量綱不一致，因而必須要無量綱化。

(2)對標准化後的數據進行因子分析(主成分方法)，使用方差最大化旋轉。

(3)寫出主因子得分和每個主因子的方程貢獻率。 Fj =β1j*X1 +β2j*X2 +β3j*X3 + ……+ βnj*Xn ; Fj 為主成分(j=1、2、……、m)，X1、X2 、X3 、……、Xn 為各個指標，β1j、β2j、β3j、……、βnj為各指標在主成分Fj 中的系數得分，用ej表示Fj的方程貢獻率。

(4)求出指標權重。 ωi=[(m∑j)βij*ej]/[(n∑i)(m∑j)βij*ej]，ωi就是指標Xi的權重。

(1)因子分析篩選指標擴展閱讀

產品特點

1、操作簡便

界面非常友好，除了數據錄入及部分命令程序等少數輸入工作需要鍵盤鍵入外，大多數操作可通過滑鼠拖曳、點擊「菜單」、「按鈕」和「對話框」來完成。

2、編程方便

具有第四代語言的特點，告訴系統要做什麼，無需告訴怎樣做。只要了解統計分析的原理，無需通曉統計方法的各種演算法，即可得到需要的統計分析結果。

對於常見的統計方法，SPSS的命令語句、子命令及選擇項的選擇絕大部分由「對話框」的操作完成。因此，用戶無需花大量時間記憶大量的命令、過程、選擇項。

3、功能強大

具有完整的數據輸入、編輯、統計分析、報表、圖形製作等功能。自帶11種類型136個函數。SPSS提供了從簡單的統計描述到復雜的多因素統計分析方法，比如數據的探索性分析、統計描述、列聯表分析、二維相關、秩相關、偏相關、方差分析、非參數檢驗、多元回歸、生存分析、協方差分析、判別分析、因子分析、聚類分析、非線性回歸、Logistic回歸等。

⑵ 用spss做因子分析怎麼選擇需要降維的數據

理論假設是基礎，你認為從理論上講哪些指標是具有關聯的，那就要分析這些指標，然後根據因子分析的結果篩選高質量的指標。（南心網 SPSS因子分析）

⑶ 評估指標選取的方法

選擇合適的指標來描述評估對象，可以真實、准確地反映評估對象的不同側面。多指標評估指標選擇的方法很多，概括起來可分為定性和定量兩大類。

（一）定性分析選取指標

定性分析選取評估指標的方法就是運用系統思想，根據評估目的，對評估對象的結構進行深入的系統剖析，把評估對象分解成不同的側面，在對每一個側面的屬性進行深入分析的基礎上提出反映各個側面的衡量指標，這些指標組合起來構成指標體系。

20世紀70年代興起的層次分析法是定性分析選取評估指標的典型代表。其基本思想是充分利用人腦能夠將復雜問題逐步簡化的特點，首先將一個復雜問題分解成幾個大的方面，然後對每個方面進一步分解成更細小的方面，如此層次遞進，直至分解成可以用數據直接描述的層次。

這一方法要求分析人員對評估對象有深入的了解，必須深入到評估對象的內部，將評估對象分解成不同的側面，針對這些側面選取最適合的衡量指標。不同的人由於掌握的知識不同、觀察角度不同，以及其他一些主觀因素的影響，對同一評估對象、同一評估目的往往有不同的分解方法；甚至同一個人在不同時間對同一評估對象出於同一評估目的的分解方法也不盡相同，選用的指標也有差別，這是這一方法的主要缺陷之一。但這種方法的最大優勢是指標與指標之間存在邏輯關系，指標體系能夠完整反映評估對象的全貌。不同的人對同一指標體系可以展開充分地討論，並對指標的層次結構和指標的選擇時進行增刪，直至大家取得一致意見。

（二）定量分析選取指標

定量分析選取評估指標的方法就是根據指標間的數量關系，運用數學方法篩選出所需指標體系的方法。此方法一般包括三個基本步驟。

1.建立評估預選指標體系

在選取評估指標之前，明確評估對象的基本概念，在定性分析的基礎上，選擇那些與評估目的相關的指標，構成預選指標集。預選指標集是定量分析的基礎，包括的面比較寬，涉及的指標比較多。定量分析就是對預選指標的數量特性進行分析，從而在預選指標中集中選擇特性較好的指標構成評估指標體系。

2.對指標特性進行分析

這一步驟採用特定方法量化分析各個指標在多大程度上反映了評估對象的狀態。常用的方法有隸屬度分析、相關分析、主成分分析、因子分析、聚類分析等。隸屬度是指元素屬於某個集合的程度。模糊數學認為，社會經濟生活中存在大量模糊現象，其概念的外延不清楚，無法用經典集合論來描述。某個元素對某個集合（概念）來說，不能說是否屬於、只能說在多大程度上屬於這個集合（概念）。如果把評估對象視為一個模糊集合，把每個指標視為一個元素，如果能夠計算出每個指標相對於評估對象的隸屬度，則隸屬度的大小在一定程度上指明了該指標刻畫評估對象的程度。

3.確定閥值，篩選指標

根據第二步採用的方法確定一個閥值，保留閥值以上的指標，即可獲得一個基本反映原指標集包含的信息量，但指標數量少於原指標集的指標體系。如利用模糊隸屬度方法可確定一個臨界值，將隸屬度大於這一臨界值的指標納入指標體系。有時，採用一種方法得出的指標體系仍然過於龐大，這時，可以採用另一種方法對指標體系繼續進行篩選，直至獲得滿意的結果。

根據閥值確定指標的方法，其優點在於，根據指標的客觀統計值做出判斷，排除了主觀因素的干擾，相同的數據集、相同的方法能夠得到相同的指標體系，也就是說比較客觀。指標篩選方法在數學上有嚴密的論證，理論基礎可靠，方法科學。但是，這類方法也有明顯的缺陷，主要表現在：

（1）這類方法不僅需要收集龐大的初始統計指標數據，而且需要大量的樣本數據（即同一套指標體系多個樣本點的統計數據）才能對各個指標反映整體狀態的水平進行甄別。數據收集與整理的工作量較大。

（2）這類方法對指標去留的篩選依賴於數據的質量。地質資料社會化服務工作的開展，盡管延續時間較長，但主要是專業性服務，公開對外、對社會公眾開放程度很低，而且服務統計數據較少。因此，利用指標篩選方法確定指標，盡管方法科學、可靠，結論卻值得懷疑。

（3）指標之間的邏輯關系不明確，很難令人接受。即便不考慮數據處理的工作量和數據質量，這類方法篩選出的指標體系的一個共同缺陷是指標過於離散，指標與指標之間沒有明確的邏輯關系，很難令人接受。

這類方法指標體系生成於一系列的統計分析或數學分析，不同的人即便對最後形成的統計指標有不同的意見也很難進行調整，因而很難反映不同意見。

鑒於本研究的目標是提出一套可應用的指標體系，因而，本書擬採用定性分析方法，具體地說就是用層次分析方法提出地質資料社會化服務評估指標體系，這種方法有利於充分吸收不同方面的意見，指標體系易於調整，比較適合達到本書的研究目的。

⑷ 利用SPSS進行因子分析塞選一些重要的指標，減少指標的數量，是否需要先對原始數據標准化

這個要看原始數據的計量單位是不是相同，如果相同的話不做標准化也可以，但如果計量單位不一樣，就必須進行標准化

⑸ 利用SPSS進行因子分析，得到因子得分系數矩陣如下，請問怎麼判斷哪些（5）指標比較重要，急！！！

1.
1>從定義證明
2>反證法,設有Ax在F外
3>根據2>,區域小於有限並
4>同2>
5>差運算性質忘記了
2.
1>.P(A)+P(B)=P(AB)+P(A∪B)
而P(A∪B).根據1>
P(A1A2...An)≥P(A)+P(A2...An)-1 ≥P(A)+P(B)+P(A3...An)-2≥……≥P(A1)+P(A2)+...+P(An)-(n-1) ,得證
3.
對立事件的定義忘記了

⑹ 怎樣用spss因子分析確定指標權重

如果使用因子分析的目的在於計算權重，此時可使用旋轉後方差解釋率值計算主成分權重。

比如提取2個因子，旋轉後的方差解釋率分別是39.759%，24.061%，旋轉後累積方差解釋率為63.820%。那麼歸一化（即除累積方差解釋率）即得到權重，計算如下表：

⑺ spss中如何用因子分析計算各指標的權重

確定數據的權重也是進行數據分析的重要前提。可以利用SPSS的因子分析方法來確定權重。主要步驟是:

(1)首先將數據標准化，這是考慮到不同數據間的量綱不一致，因而必須要無量綱化。

(2)對標准化後的數據進行因子分析(主成分方法)，使用方差最大化旋轉。

(3)寫出主因子得分和每個主因子的方程貢獻率。 Fj =β1j*X1 +β2j*X2 +β3j*X3 + ……+ βnj*Xn ; Fj 為主成分(j=1、2、……、m)，X1、X2 、X3 、……、Xn 為各個指標，β1j、β2j、β3j、……、βnj為各指標在主成分Fj 中的系數得分，用ej表示Fj的方程貢獻率。

(4)求出指標權重。 ωi=[(m∑j)βij*ej]/[(n∑i)(m∑j)βij*ej],ωi就是指標Xi的權重。

(7)因子分析篩選指標擴展閱讀

因子分析的基本思想是根據相關性大小把原始變數分組，使得同組內的變數之間相關性較高，而不同組的變數間的相關性則較低。

每組變數代表一個基本結構，並用一個不可觀測的綜合變數表示，這個基本結構就成為公共因子，對於所研究的某一具體問題，原始變數就可以分解成兩部分之和的形式，一部分是少數幾個不可測的所謂公共因子的線性函數，另一部分是與公共因子無關的特殊因子。

⑻ 在SPSS中做因子分析每次只能提取一個公共因子，怎樣才能提取多個因子

1、首先打開自己需要進行因子分析的數據，點擊「分析」，「降維」，「因子」，進入因子分析的設置界面。

⑼ 關於spss作因子分析，若選擇的指標體系中，有的指標對綜合評價作用為負，有的為正，spss能自動識別嗎

你的問題中：體系中有的指標是越大越好，有的指標是越小越好。必須要先對數據要進行一致化處理。一般問題的數據類型有極大型、極小型、中間型、區間型。
極大型:期望取值越大越好；
極小型:期望取值越小越好；
中間型:期望取值為適當的中間值最好;
區間型:期望取值落在某一個確定的區間內為最好。

中間型的和區間型的處理就比較麻煩了，你的問題中只有極大型和極小型的是吧，那我就偷懶一下，就不介紹中間型和區間型的處理方法了，只介紹極小型的，極大型的就不用處理了，保持原樣。
極小型的對其求倒數，即1/x，或者x'=M-x（x為原數據，x'處理後的，M為x的最大值）

PS：在進行數據分析時，spss已經自動幫我們標准化處理了。

⑽ spss因子分析結果顯示後主要看那些指標

看KMO，卡方，旋轉後的因子載荷