SPSS中的主因分析提取标准

你完全不懂因子分析吧,不存在共线性是不能做因子分析的,kmo大小无所谓的,79%已经很大了再问：是不太懂。不是说KMO要70%以上才算合格吗？再答：只要这个检验p

一般直接看相关系数和显著性双侧.你这个一列一列的看要方便些,比如第一列,表示为x1和其他各变量之间的相关性,x1和x2的相关系数为-.022,显著性双侧为0.972,说明这两个变量间无相关性,依次类推

给你举个例子来说明吧左表的数据是对数年来国内旅游者的旅游花费与自由自配收入、闲暇时间的调查数据.（数据是假设的）目的：试进行多重回归分析,求出回归方程式,来年若闲暇时间没有变化,但自由自配收入较之今年

开放题没有什么特定的分析方法首先在开放题录入的时候就需要你进行编码把被访者的回答归为哪一类,要形成多选题的形式然后按照编码的几类问题进行录入,具体参照多选题的方式就好了

这个你用探索性因素分析,得出了8个因子是吧,然后你要求分因子和维度的相关,这个要有相关系数矩阵,就是在因素分析里面,最常用的是协方差矩阵和相关系数矩阵哪里有的.你对8个因子提出一个均值是什么意思?你把

则代表截距,对应是变量的代表回归系数.负相关时可以是负数答案2：：B值是指回归系数和截距,左边对应的是constant（常数）则代表截距,即y=b+b1x1+b2x2.中的常数b:::::::::::

这个聚类分析图的答案可以不止一种情况从最底层看起,1,5,6首先是一类,3,7又是一类,4单独一类再往上一层1,5,6,3,7又可以看做一类,4,单独一类,2单独一类,8单独一类再往上可以看出1,5,

“员工缺勤率”下面有两个分支问题（变量）你可以采取下列两种方法来处理1、你可以将员工缺勤率下面的两个分支变量合并成一个,譬如,假如你把员工缺勤率分为员工迟到次数和员工早退次数的话,你就可以把这两个加起

这种情况很正常知道吗因为在计算相关系数时,得到相关系数0.21,说明相关性不是很强,但通过检验了,说明在总体中AB也存在这种相关关系而回归分析是,我想你应该是建立一元线性回归吧,但没有通过检验,这种一

可以进行主成分分析的至于你的数据只提取了一个主成分,有可能是数据有问题,当然也有可能的确是这些变量之间本身就存在很强的相关性,所以主成分分析只提取一个主成分就能够代表你目前的这些变量了,没必要太奇怪,

都是拿来进行降维的方法,把多个变量简化少数几个不相关的变量.判别分析一般结合聚类分析一起做,因为判别分析的前提需要大部分数据已经分好组,再去对待判数据进行归类.主成份分析与因子分析如出一辙,建议你去看

①如果你的指标因子中出现了负向指标,即你说的越小越好,那么我建议你不要用SPSS进行标准化,因为SPSS默认的标准化方法是标准差标准化,对负向指标不太合适.你可以手动用excel进行极差标准化,公式为

你少了一个表,输出结果的第一张表就是“输入/移去的变量”,这张表里面就是保留和移除的变量.模型汇总：这个看R方,数值最大最接近1的就是拟合度最好的模型.Anova：这个看Sig,

分数没用的你有什么问题直接说我经常帮别人做这类的数据分析的再问：那我加您，辛苦了，我的问题都挺基础的...

从你的统计结果看,两者均不相关（SIG均大于0.05)但是,你采用方法可能不对,年级、性别都是定序变量,不适合用皮尔森相关系数分析的

lz的意思表达不是很明白.以因子分析为例：因子分析会有variables的框让你自己选择对哪些变量的数据进行分析.如果需要对原始数据进行分析,那就将你原始数据的相关变量名拖到variables的框里就

abcde是一个问题的五个选项?是分类变量还是连续性的变量如果是分类变量需要转变成哑变量才能回归,如果是连续性的变量可以直接纳入回归中另外回归分析要看散点图呈现线性关系可以用线性回归,对因变量要求为连

似乎适于用灰色聚类.推荐一篇文章或有帮助：孙晓东,胡劲松,焦胡.基于主成分分析和灰色关联聚类分析的指标综合方法研究

主因子?你是主成分分析呢还是因子分析呢?1.如果是主成分分析,综合得分是自己算的,即factor做完之后（得选在factoranaylsis界面选中scores中的displayfactorscore

如果将各年级间的三个水平分别进行差异检验,这样有意义吗?答：好像没有.因为已经证明,总分在年级间没有显著差异.但可以试一试,方法要改变.总分的年级间比较,用方差分析合适.改成三个水平比较,则适用于卡方