因子分析筛选指标

⑴ 因子分析法如何确定主成分及各个指标的权重

(1)首先将数据标准化，这是考虑到不同数据间的量纲不一致，因而必须要无量纲化。

(2)对标准化后的数据进行因子分析(主成分方法)，使用方差最大化旋转。

(3)写出主因子得分和每个主因子的方程贡献率。 Fj =β1j*X1 +β2j*X2 +β3j*X3 + ……+ βnj*Xn ; Fj 为主成分(j=1、2、……、m)，X1、X2 、X3 、……、Xn 为各个指标，β1j、β2j、β3j、……、βnj为各指标在主成分Fj 中的系数得分，用ej表示Fj的方程贡献率。

(4)求出指标权重。 ωi=[(m∑j)βij*ej]/[(n∑i)(m∑j)βij*ej]，ωi就是指标Xi的权重。

(1)因子分析筛选指标扩展阅读

产品特点

1、操作简便

界面非常友好，除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。

2、编程方便

具有第四代语言的特点，告诉系统要做什么，无需告诉怎样做。只要了解统计分析的原理，无需通晓统计方法的各种算法，即可得到需要的统计分析结果。

对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。

3、功能强大

具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。

⑵ 用spss做因子分析怎么选择需要降维的数据

理论假设是基础，你认为从理论上讲哪些指标是具有关联的，那就要分析这些指标，然后根据因子分析的结果筛选高质量的指标。（南心网 SPSS因子分析）

⑶ 评估指标选取的方法

选择合适的指标来描述评估对象，可以真实、准确地反映评估对象的不同侧面。多指标评估指标选择的方法很多，概括起来可分为定性和定量两大类。

（一）定性分析选取指标

定性分析选取评估指标的方法就是运用系统思想，根据评估目的，对评估对象的结构进行深入的系统剖析，把评估对象分解成不同的侧面，在对每一个侧面的属性进行深入分析的基础上提出反映各个侧面的衡量指标，这些指标组合起来构成指标体系。

20世纪70年代兴起的层次分析法是定性分析选取评估指标的典型代表。其基本思想是充分利用人脑能够将复杂问题逐步简化的特点，首先将一个复杂问题分解成几个大的方面，然后对每个方面进一步分解成更细小的方面，如此层次递进，直至分解成可以用数据直接描述的层次。

这一方法要求分析人员对评估对象有深入的了解，必须深入到评估对象的内部，将评估对象分解成不同的侧面，针对这些侧面选取最适合的衡量指标。不同的人由于掌握的知识不同、观察角度不同，以及其他一些主观因素的影响，对同一评估对象、同一评估目的往往有不同的分解方法；甚至同一个人在不同时间对同一评估对象出于同一评估目的的分解方法也不尽相同，选用的指标也有差别，这是这一方法的主要缺陷之一。但这种方法的最大优势是指标与指标之间存在逻辑关系，指标体系能够完整反映评估对象的全貌。不同的人对同一指标体系可以展开充分地讨论，并对指标的层次结构和指标的选择时进行增删，直至大家取得一致意见。

（二）定量分析选取指标

定量分析选取评估指标的方法就是根据指标间的数量关系，运用数学方法筛选出所需指标体系的方法。此方法一般包括三个基本步骤。

1.建立评估预选指标体系

在选取评估指标之前，明确评估对象的基本概念，在定性分析的基础上，选择那些与评估目的相关的指标，构成预选指标集。预选指标集是定量分析的基础，包括的面比较宽，涉及的指标比较多。定量分析就是对预选指标的数量特性进行分析，从而在预选指标中集中选择特性较好的指标构成评估指标体系。

2.对指标特性进行分析

这一步骤采用特定方法量化分析各个指标在多大程度上反映了评估对象的状态。常用的方法有隶属度分析、相关分析、主成分分析、因子分析、聚类分析等。隶属度是指元素属于某个集合的程度。模糊数学认为，社会经济生活中存在大量模糊现象，其概念的外延不清楚，无法用经典集合论来描述。某个元素对某个集合（概念）来说，不能说是否属于、只能说在多大程度上属于这个集合（概念）。如果把评估对象视为一个模糊集合，把每个指标视为一个元素，如果能够计算出每个指标相对于评估对象的隶属度，则隶属度的大小在一定程度上指明了该指标刻画评估对象的程度。

3.确定阀值，筛选指标

根据第二步采用的方法确定一个阀值，保留阀值以上的指标，即可获得一个基本反映原指标集包含的信息量，但指标数量少于原指标集的指标体系。如利用模糊隶属度方法可确定一个临界值，将隶属度大于这一临界值的指标纳入指标体系。有时，采用一种方法得出的指标体系仍然过于庞大，这时，可以采用另一种方法对指标体系继续进行筛选，直至获得满意的结果。

根据阀值确定指标的方法，其优点在于，根据指标的客观统计值做出判断，排除了主观因素的干扰，相同的数据集、相同的方法能够得到相同的指标体系，也就是说比较客观。指标筛选方法在数学上有严密的论证，理论基础可靠，方法科学。但是，这类方法也有明显的缺陷，主要表现在：

（1）这类方法不仅需要收集庞大的初始统计指标数据，而且需要大量的样本数据（即同一套指标体系多个样本点的统计数据）才能对各个指标反映整体状态的水平进行甄别。数据收集与整理的工作量较大。

（2）这类方法对指标去留的筛选依赖于数据的质量。地质资料社会化服务工作的开展，尽管延续时间较长，但主要是专业性服务，公开对外、对社会公众开放程度很低，而且服务统计数据较少。因此，利用指标筛选方法确定指标，尽管方法科学、可靠，结论却值得怀疑。

（3）指标之间的逻辑关系不明确，很难令人接受。即便不考虑数据处理的工作量和数据质量，这类方法筛选出的指标体系的一个共同缺陷是指标过于离散，指标与指标之间没有明确的逻辑关系，很难令人接受。

这类方法指标体系生成于一系列的统计分析或数学分析，不同的人即便对最后形成的统计指标有不同的意见也很难进行调整，因而很难反映不同意见。

鉴于本研究的目标是提出一套可应用的指标体系，因而，本书拟采用定性分析方法，具体地说就是用层次分析方法提出地质资料社会化服务评估指标体系，这种方法有利于充分吸收不同方面的意见，指标体系易于调整，比较适合达到本书的研究目的。

⑷ 利用SPSS进行因子分析塞选一些重要的指标，减少指标的数量，是否需要先对原始数据标准化

这个要看原始数据的计量单位是不是相同，如果相同的话不做标准化也可以，但如果计量单位不一样，就必须进行标准化

⑸ 利用SPSS进行因子分析，得到因子得分系数矩阵如下，请问怎么判断哪些（5）指标比较重要，急！！！

1.
1>从定义证明
2>反证法,设有Ax在F外
3>根据2>,区域小于有限并
4>同2>
5>差运算性质忘记了
2.
1>.P(A)+P(B)=P(AB)+P(A∪B)
而P(A∪B).根据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) ,得证
3.
对立事件的定义忘记了

⑹ 怎样用spss因子分析确定指标权重

如果使用因子分析的目的在于计算权重，此时可使用旋转后方差解释率值计算主成分权重。

比如提取2个因子，旋转后的方差解释率分别是39.759%，24.061%，旋转后累积方差解释率为63.820%。那么归一化（即除累积方差解释率）即得到权重，计算如下表：

⑺ spss中如何用因子分析计算各指标的权重

确定数据的权重也是进行数据分析的重要前提。可以利用SPSS的因子分析方法来确定权重。主要步骤是:

(1)首先将数据标准化，这是考虑到不同数据间的量纲不一致，因而必须要无量纲化。

(2)对标准化后的数据进行因子分析(主成分方法)，使用方差最大化旋转。

(3)写出主因子得分和每个主因子的方程贡献率。 Fj =β1j*X1 +β2j*X2 +β3j*X3 + ……+ βnj*Xn ; Fj 为主成分(j=1、2、……、m)，X1、X2 、X3 、……、Xn 为各个指标，β1j、β2j、β3j、……、βnj为各指标在主成分Fj 中的系数得分，用ej表示Fj的方程贡献率。

(4)求出指标权重。 ωi=[(m∑j)βij*ej]/[(n∑i)(m∑j)βij*ej],ωi就是指标Xi的权重。

(7)因子分析筛选指标扩展阅读

因子分析的基本思想是根据相关性大小把原始变量分组，使得同组内的变量之间相关性较高，而不同组的变量间的相关性则较低。

每组变量代表一个基本结构，并用一个不可观测的综合变量表示，这个基本结构就成为公共因子，对于所研究的某一具体问题，原始变量就可以分解成两部分之和的形式，一部分是少数几个不可测的所谓公共因子的线性函数，另一部分是与公共因子无关的特殊因子。

⑻ 在SPSS中做因子分析每次只能提取一个公共因子，怎样才能提取多个因子

1、首先打开自己需要进行因子分析的数据，点击“分析”，“降维”，“因子”，进入因子分析的设置界面。

⑼ 关于spss作因子分析，若选择的指标体系中，有的指标对综合评价作用为负，有的为正，spss能自动识别吗

你的问题中：体系中有的指标是越大越好，有的指标是越小越好。必须要先对数据要进行一致化处理。一般问题的数据类型有极大型、极小型、中间型、区间型。
极大型:期望取值越大越好；
极小型:期望取值越小越好；
中间型:期望取值为适当的中间值最好;
区间型:期望取值落在某一个确定的区间内为最好。

中间型的和区间型的处理就比较麻烦了，你的问题中只有极大型和极小型的是吧，那我就偷懒一下，就不介绍中间型和区间型的处理方法了，只介绍极小型的，极大型的就不用处理了，保持原样。
极小型的对其求倒数，即1/x，或者x'=M-x（x为原数据，x'处理后的，M为x的最大值）

PS：在进行数据分析时，spss已经自动帮我们标准化处理了。

⑽ spss因子分析结果显示后主要看那些指标

看KMO，卡方，旋转后的因子载荷