当你设置了因子转轴后,便会产生这结果。
转轴的是要得到清晰的负荷形式,以便研究者进行因子解释及命名。
SPSS的Factor Analysis对话框中,有个Rotation钮,点击便会d出Rotation对话框,
其中有5种因子旋转方法可选择:
1最大变异法(Varimax):使负荷量的变异数在因子内最大,亦即,使每个因子上具有最高载荷的变量数最少。
2四次方最大值法(Quartimax):使负荷量的变异数在变项内最大,亦即,使每个变量中需要解释的因子数最少。
3相等最大值法(Equamax):综合前两者,使负荷量的变异数在因素内与变项内同时最大。
4直接斜交转轴法(Direct Oblimin):使因素负荷量的差积(cross-products)最小化。
5Promax 转轴法:将直交转轴(varimax)的结果再进行有相关的斜交转轴。因子负荷量取2,4,6次方以产生接近0但不为0的值,藉以找出因子间的相关,但仍保有最简化因素的特性。
上述前三者属於「直交(正交)转轴法」(Orthogonal Rotations),在直交转轴法中,因子与因子之间没有相关,因子轴之间的夹角等於90 度。后两者属於「斜交转轴」(oblique rotations),表示因子与因子之间彼此有某种程度的相关,因素轴之间的夹角不是90度。
直交转轴法的优点是因子之间提供的讯息不会重叠,受访者在某一个因子的分數与在其他因子的分數,彼此独立互不相关;缺点是研究迫使因素之间不相关,但这种情况在实际的情境中往往并不常存在。至於使用何种转轴方式,须视乎研究题材、研究目的及相关理论,由研究者自行设定。
在根据结果解释因子时,除了要看因子负荷矩阵中,因子对哪些变量呈高负荷,对哪些变量呈低负荷,还须留意之前所用的转轴法代表的意义。1隶属度函数计算:
升型:F(x)=(x-x最小值)/(x最大值-x最小值)适用于土壤化学、生物属性因子more is better
降型:F(x)=(x最大值-x)/(x最大值-x最小值)适用于土壤物理属性因子less is better
X为因子具体值
2因子权重计算:
首先通过PCA分析确定主成份,其次对主成份中各因子负荷量(系数)求和,最后利用各因子负荷量值除以总和得到各因子权重W
3综合指数计算:
WiF(xi),当PCA确定不止一个主成份时,因子权重也相应变化,综合指数计算也逐个求和计算。这个不能说此次分析就是失败的,应该说是你的变量或者说是问卷设计有问题
当然也可以不一定参照必须要大于05,但是常规的都是这样参照的
这个因子载荷低有可能是问卷变量设计问题,有可能是数据采集质量有问题
如果是第一个问题的话 你可以先进行下问卷题目调整,比如删减部分题目再尝试,当然不是随意删减的,而是根据项目分析的相关指标来进行。
如果是数据质量问题 你可以尝试着删除部分变量再试一下
如果两种方法都不行了,只能说明你的变量设计完全有问题或者数据完全不行 只能重做你好,我来回答你;
嗯,
这个好像也没看有有特别严格的标准,各个论文或书籍中选择的也是非常灵活,也不一定是分布在三个上,我看到的论文中提到的更多是在两个因子上负荷在3或者4以上(也都没有提到参考文献),作者就考虑删掉了,当然是结合自己的问卷内容,看选哪个标准对自己有利
一般自己编的问卷肯定有不少问题,统计分析上也就不得不投机了。
如你还有别的问题,可另外向我求助,还有不懂的地方,请继续追问。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)