法，3种属于向前选择法（类似于线性回归中的逐步回归法），另有3种属于向 后剔除法（类似于线性回归中的向后剔除法） (三)思考与实践 思考：本章内容是回归分析的进一步发展，要让学生不仅熟悉理论， 更要熟练操作，确保数据分析的准确性和可靠性， 实践环节：Logistic回归分析的SPSs操作 课后练习：P2551-3题 (四)教学方法与手段 本章教学主要采用课堂讲授、课堂讨论、实践操作等 第十二章因子分析 (一)目的与要求 了解因子分析模型及其主要概念，熟悉因子分析的过程，会解读因 子分析的结果。 (二)教学内容 1、主要内容：因子分析的原理与计算 2、基本概念与知识点： 因子分析(factor analysis)是根据相关性大小把变量分组，使得同组内变量 之间的相关性较高，不同组之间的相关性较低。 每组变量对应于一个所谓的因子(factor)。在因子分析中，因子被认为是造 成该组变量变化的共同原因。从量表的角度看，因子是一组题目测量到的潜在特 质。 1)、因子分析模型： 正交因子模型假设：公共因子都是均值为0，方差为1的变量。特殊因 子的均值为0。各公共因子之间、特殊因子与公共因子之间、特殊因子与特殊因 子之间均为零相关，即它们之间的协方差（或相关系数）等于零。 2)、因子模型基本概念： 因子负荷：变量与因子的相关系数，反映了变量对因子的依赖程度，也 反映了变量对因子的相对重要性。 共同度：因子负荷矩阵各行的平方和 方差贡献：因子负荷矩阵各列的平方和 3)、因子分析步骤 a).计算相关矩阵 b).因子提取 c).因子旋转。 d).计算因子得分 e),对因子做出解释 4)、因子模型估计方法 法，3 种属于向前选择法（类似于线性回归中的逐步回归法），另有 3 种属于向 后剔除法（类似于线性回归中的向后剔除法） （三） 思考与实践 思考：本章内容是回归分析的进一步发展，要让学生不仅熟悉理论， 更要熟练操作，确保数据分析的准确性和可靠性。 实践环节：Logistic 回归分析的 SPSS 操作 课后练习：P255 1-3 题 （四） 教学方法与手段 本章教学主要采用课堂讲授、课堂讨论、实践操作等 第十二章 因子分析 （一）目的与要求 了解因子分析模型及其主要概念，熟悉因子分析的过程，会解读因 子分析的结果。 （二）教学内容 1、主要内容：因子分析的原理与计算 2、基本概念与知识点： 因子分析（factor analysis）是根据相关性大小把变量分组，使得同组内变量 之间的相关性较高，不同组之间的相关性较低。 每组变量对应于一个所谓的因子（factor）。在因子分析中，因子被认为是造 成该组变量变化的共同原因。从量表的角度看，因子是一组题目测量到的潜在特 质。 1）、因子分析模型： 正交因子模型假设：公共因子都是均值为 0，方差为 1 的变量。特殊因 子的均值为 0。各公共因子之间、特殊因子与公共因子之间、特殊因子与特殊因 子之间均为零相关，即它们之间的协方差（或相关系数）等于零。 2）、因子模型基本概念： 因子负荷：变量与因子的相关系数，反映了变量对因子的依赖程度，也 反映了变量对因子的相对重要性。 共同度：因子负荷矩阵各行的平方和 方差贡献：因子负荷矩阵各列的平方和 3）、因子分析步骤： a）. 计算相关矩阵。 b）. 因子提取。 c）. 因子旋转。 d）. 计算因子得分。 e）. 对因子做出解释。 4)、因子模型估计方法