因子分析中指标数据如何正确预处理-搜答案-智慧作业帮

SPSS可以导入外部数据啊,不过我都是用复制粘贴的,SPSS里的相关是以列来的哦,就是说你导入的时候注意每一列都可以加一个名称啊,然后列与列之间做因子分析,不知道你的数据是怎么样啊,有的时候还要算一下

这个和因子分析所选的每个变量有关系,变量之间要有一定的相关性,同时也可以加大样本量.另外,不是只能提前特征值大于1的,如果前4个成分的累计贡献率很客观,那也可以认为提前四个.

看特征根大于1的有几个主要维度,用碎石图比较容易看,然后看几个因素旋转后的矩阵是否能够集中在这几个维度,每个维度有几个因子,如果聚集效果比较明显,就可以用因子分析.因为因子分析本来就是要在若干个因素之

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

1）成本型指标是指那些数值越小越好的指标.例如流动资金占用额、流动资金周转天数.2）经济型指标应该是指效益型指标,也就是数值越大越好的指标.例如资金产值率、资金利税率.

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

根据水质中的成分,才能决定用什么样的工艺.比如接触氧化,活性污泥之类

环保局、监测站

用因子分析可以形成两个公因子：解释的总方差初始特征值提取平方和载入成份合计方差的%累积%合计方差的%累积%13.92178.42478.4243.92178.42478.42421.06221.247

一般采用相关系数矩阵分析都是自动标准化的,如果你不放心,可以人为标准化,会自动保存新变量的,而不是要重新输入标准化数据.

首先要说明的是,因子分析是用来降维的.比如你有很多变量,用这么多变量来解释另一个变量,显得有点复杂,但是如果能找到其它的几个少量的变量来代替这些变量来进行下一步的分析,这就要用到因子分析.它运用了数学

这个在spss很好操作的我替别人做这类的数据分析蛮多的

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.

这个没有的,统计学上描述一组数据离散程度的指标只有极差、四分位数间距、方差、标准差、变异系数.

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

数量指标是对产品整体的描述比如合格率,报废率呀、完成率等用比例或百分率来测算的,质量指标是指产品具体的产品特性,比如长度,宽度、性能等指标.

=IF(AND(A1B1,A1C1,A1D1),"正确","")

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

这个表格的意思是通过主成分提取法,仅仅提取出一个公因子来,而那个60%的意思就是这个提取的公因子能够解释原来所有变量的60%的变异这样的主成分分析基本上没有什么意义