1樓：百度使用者
問題：大家覺得因子分析到底有什么用處呢？把原來很多個影響因素歸納成幾個影響因子，如果不繼續做迴歸或者聚類的話，光做因子分析有價值嗎？
答覆：因子分析是將多個實測變數轉換為少數幾個綜合指標（或稱潛變數），它反映一種降維的思想。通過降維將相關性高的變數聚在一起，從而減少需要分析的變數的數量，而減少問題分析的複雜性。
在你對問題系統結構不瞭解時候，因子分析可以根據資料內在邏輯性，把它歸併成幾個公因子，每個公因子分別代表空間的一個維度，如果經過正交或斜 交旋轉的話，各個維度之間可以認為是不相關的，這些公因子能夠相對完整地刻畫物件的體系維度，最起碼累計方差貢獻率大於85%的話，就基本能夠保證重要信 息不丟失了。一句話，你如果對研究物件到底應該分為幾個維度不清楚的話，用因子分析可以通過資料內在邏輯告訴你。
但如果你對研究物件體系比較清楚的話，那你直接確定維度，通過ahp計算出權重，就能夠把系統表述清楚了。但這裡面有巨大問題，單純通過資料內 在邏輯來判斷維度，常常是錯誤的，而主觀判斷其實更加科學，並非象統計學宣稱的，資料說話才有發言權。真正有發言權的，是你對問題的經驗認識程度。
人們為 了避免被人嘲笑主觀判斷的失誤，而越來越選擇了統計分析，實際上，他們並不清楚，單純用統計分析來做判斷，才是最愚蠢的。只有主客觀結合起來，才是相對科 學的，兩者矛盾的時候，應該深入研究矛盾的根源，搞不清楚的話，我認為指標體系評價法要遠比統計分析準確的多。而變數之所以能分佈在不同的因子內，則是由 於其方差波動性大小和變數之間的相關性決定的，波動性越大，越排在前面的公因子中，各個公因子之間的變數是不相關的，而每個公因子之間的變數是相關的。
因 子分析認為那些資料波動大的變數對物件影響作用更大，它們排在公因子的前列，這樣單純從資料邏輯來判斷的準則你認為對嗎？我想，如果管理和社會科學都這么 認為的話，那錯誤將大大增加了。上面想法是我這兩年做課題的體會，沒有在任何一本書上看過相關說法，也許說的不對，這是我個人看法。
如果讓我選擇的話，我 寧願用指標體系評價法，體系幾個維度事先就清楚，最多先用因子分析算算，看看資料波動性如何，到底能確定幾個維度，只起輔助作用。研究者就是專家，指標體 系的維度由主觀來做判斷，這主要來自經驗判斷，而不是由資料判斷，我認為其實更科學。當然，如果你對問題一無所知，那指標體系評價法用ahp來做的話，錯 誤很可能更多。
我以前就強烈批判過ahp。說到底，沒有一種評價方法是好的，說明問題就好。問題：
那能對lisrel進行類似於因子分析的探索性因素分析瞭解嗎？能給點評價麼？3x答覆：
下面是探索性分析的原理：
傳統上所談的因素分析）factor analysis)指的是探索性因素分析）exploratory factor analysis)，它的目的是在承認有測量誤差的情形下，嘗試用少數的因素）factors)以解釋許多變項間的相關關係。
隨著統計理論及電腦計算上的進展，目前因素分析的方法可分成探索性因素分析）exploratory factor analysis，efa)及驗證性因素分析）confirmatory factor analysis，cfa)，這兩類分析之間的差別在於研究者對研究變項間因素結構的瞭解程度不同。如果研究者對資料內所含的因素性質，結構及個數不是很 清楚，則可使用探索性因素分析試圖找出能解釋資料變項間相關關係的少數幾個重要因素。若研究者從過去文獻中的理論及自己的研究經驗，而對資料間因素之數 目，結構有一定程度的瞭解及假設，則可使用驗證性因素分析來驗證該假設是否能解釋資料變項間的共變關係。
探索性因素分析需考慮的步驟包括:估計共通值） ***munalities)，決定因素的數目，估計因素負荷量，對因素做轉軸）rotation)以得最好的結果，最後則為對結果作解釋。驗證性因素分 析則需考慮對因素結構關係之確立）model specification)，是否能對引數找出單一組解）identification)，引數的估計法）estimation)，檢驗資料與假設模式 之間的適合度）evaluation)。
比較二者，efa算是探索可能的因素結構之一種方法，而cfa則是驗證假設因素結構存在的方法，因此cfa較 efa對模式使用了較多的假設，也多了模式檢驗的過程。除了以上這兩類的分析外，讀者可能還聽過結構方程模式）structural equation modeling，sem)，其所常使用的分析軟體包括:lisrel，eqs，amos，mplus等。
結構方程模式是用在對因素間之關係更明確時，其 模式中可含有許多潛在變項及觀察變項，研究者對各變項間之關係有一定程度之瞭解及假設，並可經由檢驗此假設模式並經過模式之修正及再檢驗後，確立最後可解 釋資料的模式，以瞭解資料變項間之關係。
2樓：咩咩咩無名小豬
因子分析的用處是：因子分析是將多個實測變數轉換為少數幾個綜合指標（或稱潛變數），它反映一種降維的思想。通過降維將相關性高的變數聚在一起，從而減少需要分析的變數的數量，而減少問題分析的複雜性。
用來確定維度數量，對標體系的維度由主觀來做判斷。
因子分析的內容：
因子分析是指研究從變數群中提取共性因子的統計技術。最早由英國心理學家c.e.斯皮爾曼提出。
他發現學生的各科成績之間存在著一定的相關性，一科成績好的學生，往往其他各科成績也比較好，從而推想是否存在某些潛在的共性因子，或稱某些一般智力條件影響著學生的學習成績。因子分析可在許多變數中找出隱藏的具有代表性的因子。
將相同本質的變數歸入一個因子，可減少變數的數目，還可檢驗變數間關係的假設。
因子分析有什麼用處？
3樓：咩咩咩無名小豬
因子分析的用處是：因子分析是將多個實測變數轉換為少數幾個綜合指標（或稱潛變數），它反映一種降維的思想。通過降維將相關性高的變數聚在一起，從而減少需要分析的變數的數量，而減少問題分析的複雜性。
用來確定維度數量，對標體系的維度由主觀來做判斷。
因子分析的內容：
因子分析是指研究從變數群中提取共性因子的統計技術。最早由英國心理學家c.e.斯皮爾曼提出。
他發現學生的各科成績之間存在著一定的相關性，一科成績好的學生，往往其他各科成績也比較好，從而推想是否存在某些潛在的共性因子，或稱某些一般智力條件影響著學生的學習成績。因子分析可在許多變數中找出隱藏的具有代表性的因子。
將相同本質的變數歸入一個因子，可減少變數的數目，還可檢驗變數間關係的假設。
4樓：百度使用者
問題：大家覺得因子分析到底有什么用處呢？把原來很多個影
響因素歸納成幾個影響因子，如果不繼續做迴歸或者聚類的話，光做因子分析有價值嗎？答覆：因子分析是將多個實測變數轉換為少數幾個綜合指標（或稱潛變數），它反映一種降維的思想。
通過降維將相關性高的變數聚在一起，從而減少需要分析的變數的數量，而減少問題分析的複雜性。
在你對問題系統結構不瞭解時候，因子分析可以根據資料內在邏輯性，把它歸併成幾個公因子，每個公因子分別代表空間的一個維度，如果經過正交或斜 交旋轉的話，各個維度之間可以認為是不相關的，這些公因子能夠相對完整地刻畫物件的體系維度，最起碼累計方差貢獻率大於85%的話，就基本能夠保證重要信 息不丟失了。一句話，你如果對研究物件到底應該分為幾個維度不清楚的話，用因子分析可以通過資料內在邏輯告訴你。
但如果你對研究物件體系比較清楚的話，那你直接確定維度，通過ahp計算出權重，就能夠把系統表述清楚了。但這裡面有巨大問題，單純通過資料內 在邏輯來判斷維度，常常是錯誤的，而主觀判斷其實更加科學，並非象統計學宣稱的，資料說話才有發言權。真正有發言權的，是你對問題的經驗認識程度。
人們為 了避免被人嘲笑主觀判斷的失誤，而越來越選擇了統計分析，實際上，他們並不清楚，單純用統計分析來做判斷，才是最愚蠢的。只有主客觀結合起來，才是相對科 學的，兩者矛盾的時候，應該深入研究矛盾的根源，搞不清楚的話，我認為指標體系評價法要遠比統計分析準確的多。而變數之所以能分佈在不同的因子內，則是由 於其方差波動性大小和變數之間的相關性決定的，波動性越大，越排在前面的公因子中，各個公因子之間的變數是不相關的，而每個公因子之間的變數是相關的。
因 子分析認為那些資料波動大的變數對物件影響作用更大，它們排在公因子的前列，這樣單純從資料邏輯來判斷的準則你認為對嗎？我想，如果管理和社會科學都這么 認為的話，那錯誤將大大增加了。上面想法是我這兩年做課題的體會，沒有在任何一本書上看過相關說法，也許說的不對，這是我個人看法。
如果讓我選擇的話，我 寧願用指標體系評價法，體系幾個維度事先就清楚，最多先用因子分析算算，看看資料波動性如何，到底能確定幾個維度，只起輔助作用。研究者就是專家，指標體 系的維度由主觀來做判斷，這主要來自經驗判斷，而不是由資料判斷，我認為其實更科學。當然，如果你對問題一無所知，那指標體系評價法用ahp來做的話，錯 誤很可能更多。
我以前就強烈批判過ahp。說到底，沒有一種評價方法是好的，說明問題就好。問題：
那能對lisrel進行類似於因子分析的探索性因素分析瞭解嗎？能給點評價麼？3x答覆：
下面是探索性分析的原理：
傳統上所談的因素分析）factor analysis)指的是探索性因素分析）exploratory factor analysis)，它的目的是在承認有測量誤差的情形下，嘗試用少數的因素）factors)以解釋許多變項間的相關關係。
隨著統計理論及電腦計算上的進展，目前因素分析的方法可分成探索性因素分析）exploratory factor analysis，efa)及驗證性因素分析）confirmatory factor analysis，cfa)，這兩類分析之間的差別在於研究者對研究變項間因素結構的瞭解程度不同。如果研究者對資料內所含的因素性質，結構及個數不是很 清楚，則可使用探索性因素分析試圖找出能解釋資料變項間相關關係的少數幾個重要因素。若研究者從過去文獻中的理論及自己的研究經驗，而對資料間因素之數 目，結構有一定程度的瞭解及假設，則可使用驗證性因素分析來驗證該假設是否能解釋資料變項間的共變關係。
探索性因素分析需考慮的步驟包括:估計共通值） ***munalities)，決定因素的數目，估計因素負荷量，對因素做轉軸）rotation)以得最好的結果，最後則為對結果作解釋。驗證性因素分 析則需考慮對因素結構關係之確立）model specification)，是否能對引數找出單一組解）identification)，引數的估計法）estimation)，檢驗資料與假設模式 之間的適合度）evaluation)。
比較二者，efa算是探索可能的因素結構之一種方法，而cfa則是驗證假設因素結構存在的方法，因此cfa較 efa對模式使用了較多的假設，也多了模式檢驗的過程。除了以上這兩類的分析外，讀者可能還聽過結構方程模式）structural equation modeling，sem)，其所常使用的分析軟體包括:lisrel，eqs，amos，mplus等。
結構方程模式是用在對因素間之關係更明確時，其 模式中可含有許多潛在變項及觀察變項，研究者對各變項間之關係有一定程度之瞭解及假設，並可經由檢驗此假設模式並經過模式之修正及再檢驗後，確立最後可解 釋資料的模式，以瞭解資料變項間之關係。
用spss做因子分析提撒來因子再做logistic迴歸
因子分析你會做嗎？logistic迴歸你會做嗎？兩者你都會做了，再問如何結合兩者的問題 我經常幫別人做這類的資料分析，不懂不建議你自己亂做。spss因子分析，它會自動 bai生du成一個新的變數中提取的zhi主要變數因子系統dao將使用fact 1 fact 2其他回 名稱，更改名稱 喜歡啊。答 因...
主成分分析和因子分析有什麼區別
主成分分析和因子分析都是資訊濃縮的方法，即將多個分析項資訊濃縮成幾個概括性指標。因子分析在主成分基礎上，多出一項旋轉功能，該旋轉目的即在於命名，更容易解釋因子的含義。如果研究關注於指標與分析項的對應關係上，或是希望將得到的指標進行命名，spssau建議使用因子分析。主成分分析目的在於資訊濃縮 但不太...
如何用spss做主成分分析和因子分析
因子分析 1輸入資料。2點analyze 下拉選單，選data reduction 下的factor 3開啟factor analysis後,將資料變數逐個選中進入variables 對話方塊中。4單擊主對話方塊中的descriptive按扭，開啟factor analysis descriptiv...