㈠ 我使用因子分析法做勝任力模型，24項勝任力5個維度，各維度能不能合並
你既然用因子分析做出5個維度，說明這5個維度之間是有差別的。
不過你可以分析下內5個維度之間的相關，如果他們有容比較高的相關，你可以考慮提取高階因子，也就是給5個維度命一個總的名稱，比如語文能力、歷史能力、政治能力三個維度可以概括為文科能力。這種時候各維度的分數可以考慮合並，合並之後的總分的意義就是高階因子的意義（不過合並的時候要注意不同維度分數的單位是否是統一的）；當然也可以其中2個概括為一個高階因子，另外3個概括為另一個高階因子，如果模型可以擬合數據，這樣還是可以的。
㈡ 我用因子分析法做財務風險的預警模型
主成分回歸分析
㈢ spss用一組數據進行因子分析降維後進行logistic回歸分析，之後怎麼運用這個模型來預測新的數據
二元logit回歸
1.打開數據，依次點擊：analyse--regression--binarylogistic，打開二分回歸對話框。
2.將因變數和自變數放入格子的列表裡，上面的是因變數，下面的是自變數（單變數拉入一個，多因素拉入多個）。
3.設置回歸方法，這里選擇最簡單的方法：enter，它指的是將所有的變數一次納入到方程。其他方法都是逐步進入的方法。
4.等級資料，連續資料不需要設置虛擬變數。多分類變數需要設置虛擬變數。
虛擬變數ABCD四類，以a為參考，那麼解釋就是b相對於a有無影響，c相對於a有無影響，d相對於a有無影響。
5.選項裡面
因子分析
1輸入數據。
2點Analyze 下拉菜單，選Data Rection 下的Factor 。
3打開Factor Analysis後,將數據變數逐個選中進入Variables 對話框中。
4單擊主對話框中的Descriptive按扭，打開Factor Analysis: Descriptives子對話框，在Statistics欄中選擇Univariate Descriptives項要求輸出個變數的均值與標准差，在Correlation Matrix 欄內選擇Coefficients項，要求計算相關系數矩陣，單擊Continue按鈕返回Factor Analysis主對話框。
5單擊主對話框中的Extraction 按鈕，打開如下圖所示的Factor Analysis: Extraction 子對話框。在Method列表中選擇默認因子抽取方法——Principal Components，在Analyze 欄中選擇默認的Correlation Matrix 項要求從相關系數矩陣出發求解主成分，在Exact 欄中選擇Number of Factors;6， 要求顯示所有主成分的得分和所能解釋的方差。單擊Continue按鈕返回Factor Analysis主對話框。
6單擊主對話框中的OK 按鈕，輸出結果。
㈣ 驗證性因子分析的測試步驟
可以查看SPSSAU驗證性驗證性因子分析幫助手冊，有案例分析介紹的很全面的。驗證性因子分析
㈤ 多元統計分析 根據下圖寫出因子分析模型，分析各因子主要反應哪些方面的內容
多元統計分析是針對復雜多變數 構建多元模型的，其中包括很多多元統計模型，比如多元回歸、因子分析、logistic回歸、對應分析等很多多元分析方法，以用來解決在實際當中的可能存在的不同的數據模型
㈥ 使用意願研究 有模型來源 還需要做探索性因子分析嗎
如果你是用別人已經抄修訂好的問卷做研襲究，那最好還是能提取4個，直接提取不成那就在因子提取方法里選強制抽取4個，完全可以，這個時候你再看看KMO，特徵值方差貢獻率，共同度和因子載荷，如果都比較好（一般就是說KMO值0.8以上，方差貢獻率起碼0.4，共同度起碼也有0.4，因子載荷起碼均在0.4以上），那就OK，若是不好，酌情刪除一些題目（主要是看因子載荷，太低的刪，一個題目在兩個因子上載荷接近的也刪），再重新做因子分析看結果
如果這個模型是你自己構想的，還不是很成型，那提取三個因子也可能有它的道理，你看看三個因子能否有個合理的命名，如果可以，那也OK
㈦ spss因子分析怎麼確定 模型
你的意思是說求綜合因子得分值嗎？如果是這個意思的話，就是用你經過旋轉內後或其他容方法得出的各個因子的方差貢獻率分別乘以各因子矩陣就可以了。
你確定你的方法是因子分析，因為因子分析裡面沒有各主成分這個概念，只有主要因子這個說法。
㈧ 按照模型做的問卷把因子分成3個部分，但是spss因子分析成分提取的時候多提出來4個怎麼辦
用主成分分析法做因子分析判斷提取幾個因子先參考特徵值和碎石圖，一般默認特徵值大於1的因子被提取，同時參考碎石圖，碎石圖中有幾個因子比較「陡」，就提取幾個。最後還得看看累積方差貢獻率，所有提取的因子的貢獻率加起來至少應該超過40%。
確定了提取幾個因子之後，觀察每一個題目的質量時要參考公因子方差和旋轉成分矩陣（即因子載荷），公因子方差不低於0.3，因子載荷的最低限度可以定在0.3—0.45間，看自己的研究具體情況設定一個定值，若公因子方差和因子載荷有一個不好，該題目可以考慮刪除。謹慎的做法是每刪除一個題目，就重新做一次因子分析，知道公因子方差、因子載荷及方差貢獻率都達到可接受的程度為止。在這個過程中，提取的因子數有可能會變化，應當以最後那次分析的結果為准。
如果做下來和自己原先的維度設定不同，你可以把抽取原則由特徵值大於1改為固定抽取3個因子，然後看固定抽取的情況下，方差貢獻率、因子載荷、公因子方差這些指標怎麼樣，適當刪除不好的題目後，看剩餘的題目是否可以符合你的維度設定，你可以換幾種旋轉方法試試，不一定都要用最大方差法（比如可以試試最大平衡值法、斜交的方法等），如果實在不符合，說明你的原先維度設置可能是有問題，那就只能放棄現在的維度框架，給你研究中實際的維度結構進行合理的命名和解釋了。
㈨ 驗證性因子分析和探索性因子分析以及結構方程模型
可以考慮用主成分進入模型或用二階模型表示。（南心網 Amos數據分析）
㈩ 因子分析spss步驟
自分析spss的的具體操作步驟，你可以直接按提示