旋转的目的是为了获得简单结构,以帮助我们解释因子。本例选正交旋转法,之后点击 Continue钮返回 Factor Analysis对话框。 点击 Scores.钮,弹出弹出 Factor Analysis: Scores对话框(图11.6),系统提供 3种估计因子得分系数的方法,本例选 Regression(回归因子得分),之后点击 Continue 钮返回 Factor Analysis对话框,再点击0K钮即完成分析 图11.6估计因子分方法对话框 112.3结果解释 在输出结果窗口中将看到如下统计数据: 系统首先输出各变量的均数(Mean)与标准差( Std dey),并显示共有25例观察单位 进入分析:接着输出相关系数矩阵( Correlation matrix),经 Bartlett检验表明: Bartlett 值=326.28484,P<0.0001,即相关矩阵不是一个单位矩阵,故考虑进行因子分析。 Kaiser- Meyer- Olkin Measure of Sampling Adequacy是用于比较观测相关系数值与偏 相关系数值的一个指标,其值愈逼近1,表明对这些变量进行因子分析的效果愈好。今KMO 值=0.32122,偏小,意味着因子分析的结果可能不能接受 Analysis number 1 Listwise deletion of cases with missing values Std dev Label 7.10000 2.32380 2.34880 1.66556 9.152403.01405 5.45840 3.27344 7.167204.55817 2.346001.6109 Number of cases Correlation matrix X5 1.00000旋转的目的是为了获得简单结构，以帮助我们解释因子。本例选正交旋转法，之后点击 Continue 钮返回 Factor Analysis 对话框。 点击 Scores...钮，弹出弹出 Factor Analysis:Scores 对话框（图 11.6），系统提供 3 种估计因子得分系数的方法，本例选 Regression（回归因子得分），之后点击 Continue 钮返回 Factor Analysis 对话框，再点击 OK 钮即完成分析。 图 11.6 估计因子分方法对话框 11.2.3 结果解释 在输出结果窗口中将看到如下统计数据： 系统首先输出各变量的均数（Mean）与标准差（Std Dev），并显示共有 25 例观察单位 进入分析；接着输出相关系数矩阵（Correlation Matrix），经 Bartlett 检验表明：Bartlett 值 = 326.28484，P<0.0001，即相关矩阵不是一个单位矩阵，故考虑进行因子分析。 Kaiser-Meyer-Olkin Measure of Sampling Adequacy 是用于比较观测相关系数值与偏 相关系数值的一个指标，其值愈逼近 1，表明对这些变量进行因子分析的效果愈好。今 KMO 值 = 0.32122，偏小，意味着因子分析的结果可能不能接受。 Analysis number 1 Listwise deletion of cases with missing values Mean Std Dev Label X1 7.10000 2.32380 X2 4.77320 2.41779 X3 2.34880 1.66556 X4 9.15240 3.01405 X5 5.45840 3.27344 X6 7.16720 4.55817 X7 2.34600 1.61091 Number of Cases = 25 Correlation Matrix: X1 X2 X3 X4 X5 X6 X7 X1 1.00000