因子分析中,什么时候用相关系数,什么时候用方差分析-搜答案-智慧作业帮

选中浓度和吸光度两行数据,插入→图表,XY散点图,下一步,下一步,完成.选中散点系列,图表→添加趋势线,类型：线性,选项：显示公式、显示R平方值,确定.得到回归方程y=0.3824x-0.0014和R

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

这是排版错误.第二行协方差前面也应是加减号.

可在网上查询

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

由两个变量所描成的点分布在某一曲线附近,那么我们就说这两个变量具有相关关系.

相关系数有多种.1.在一元线性回归中：y=ax+b（1）y,x之间的关系用一个简单的相关系数就可描述；2.在多元线性回归中,因变量y与n（>1)个自变量：x1,x2,...,xn,之间存在线性关系,即

这样的分类只是相对的.不能说不科学,也不能说很科学.这种分类没有考虑求r时所用的数据有几对(即n).一般要对r进行显著性检验.

给你举个例子吧2*2的表格那么你就把第一个变量分为1,2两个.第二个变量也分为1,2两个.然后把人数或者其他的它们对应的数字输入到spss第三列,然后把数字加权.2*2的表格就有四种方式.注意数据不要

1数据有问题2软件版本盗版没盗好,重新找一个版本,或者把软件重新启动我替别人做这类的数据分析蛮多的

用CORREL函数可以求相关系数,格式为CORREL(array1,array2),返回单元格区域array1和array2之间的相关系数.使用相关系数可以确定两种属性之间的关系.

看你的目的了你如果只是要看这些自变量之间的相关性,那就这样就可以了.如果你要将自变量进行主成分分析,那相关性高就适合做因子分析如果你要将自变量与因变量构建模型,那自变量的相关性高,说明共线性严重,需要

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

这个在spss很好操作的我替别人做这类的数据分析蛮多的

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

1.用方差分析表中的贡献率即可视为因子的重要程度,贡献率值越大越重要2.没有这种情况,当原始变量是负向指标时,通常要转换成正向指标后,再分析3.见上一位的解答.再问：因子分析不是将几个之间存在联系的相

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

为了更突出各个因子的典型代表变量是谁,这样更容易发觉因子的作用.

corrcoef

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