1樓：匿名使用者
kmo檢驗統計量在0.7以上，說明變數之間的偏相關性較強，適合做因子分析，球形檢驗p小於0.001，說明變數之間存在相關性。
第二格**為共同性，表示各變數中所含原始資訊能被提取的共同因子所表示的程度，根據你的資料，你提取的公因子是兩個，第三個**是指提取的倆個主成分能解釋差異的比列，第四個**是主成分表示式，第五**是因子得分公式。
spss如何把探索性因子分析結果儲存為新變數？
2樓：匿名使用者
save裡面勾選儲存得分就可以了啊
3樓：
save裡面選擇這個選項
如何用spss做主成分分析和因子分析
4樓：du知道君
主成分分析可以理解為一種資料的處理理論，也可以理解為一種應用方法。而因子分析則可以理解為一種應用方法，因為做因子分析採用的比較多的就是用主成分分析的方法來濃縮因子。所以
其實所謂的區別只不過是在學科研究當中存在的，因為同屬於統計學的理論，所以一定要找出兩者的區別來。但是如果你只是應用的話，那就沒必要考慮兩者有什麼區別。
況且spss使用因子分析非常方便 就可以得出各因子的得分，但是如果你非要用主成分分析方法，則需要自己手動再根據spss輸出的某些因子分析結果來計算主成分得分。
做主成分分析或者說因子分析的目的 是為了濃縮眾多變數，使之在後續的計算中更加簡介。比如原來有80多個變數，如果直接進行綜合排名要考慮每個變數進行綜合，所以此時通過主成分分析，可以將原來的80多個變數濃縮成3~5個代替原來眾多變數的新變數 即所謂的主成分或主因子。這樣後續的計算就很簡潔了
SPSS中因子分析後的因子得分怎麼利用
具體方法可以問我的。spss 因子分析之後得出了幾個factor的結果，利用這幾個factor 結果進行了線性回歸分析之後。因子分析的各因子是相互獨立的，如果在三維空間裡的話，就是類似版於x,y,z軸那樣相互垂直的，它們不權相關。所以r值和f值接近零，自然顯著性水平極低接近1了。你做的線性回歸分析毫...
在做spss因子分析的時候出現了這個，是為什麼？
迭代計算失敗。你增加iterations試試。我替別人做這類的資料分析蠻多的。25次迭代後沒有收斂，嘗試層架迭代次數為50，我以前給乙個做資料，最多迭代次數達到100 在用spss做因子分析時，主成因分析會顯示乙個原始，乙個重新標度？我想變成最初的一種 5 你想要最初的一種是哪一種？原始指的是每個因...
spss，做因子分析時，關於標準化資料的問題
一般採用相關係數矩陣分析都是自動標準化的，如果你不放心，可以人為標準化，會自動儲存新變數的，而不是要重新輸入標準化資料。這個需要人工標準化的 我試過，人工標準化和不做標準化的結果是不一樣的 人工做資料標準化過程 在spss做因子分析時，將原始資料輸入，和將標準化後的資料輸入，產生的結果會不會不同？理...