因子分析
因子分析は、基礎となる変数 (つまり、観測対象の変数セット内における相関パターンを説明する因子) を特定しようとします。 因子分析は、通常、データの分解で使用されます。これにより、多数の顕在変数で観測された分散のほとんどを説明する少数の因子が特定されます。 因子分析を使用して、原因のメカニズムに関する仮説を立てたり、以降の分析で使用する変数をスクリーニングしたりすることもできます (例えば、線型回帰分析を実行する前に共線性を特定する場合など)。
「因子分析」手続きには、以下のような高度な柔軟性があります。
- 7 種類の因子抽出方法があります。
- 直接オブリミンや非直交回転のためのプロマックスなど、5 種類の回転方法があります。
- 3 種類の因子得点の計算方法があります。得点を変数として保存して、今後の分析で使用することができます。
例。 政治に関する調査の質問に対して、回答者はどのような考え方で回答するのでしょうか。 調査項目間の相関を調べると、税に関する質問や軍事問題に関する質問が互いに相関しているなど、項目のさまざまなサブグループ間に有意な重複があることが明らかになります。 因子分析では、基底因子の数を調べることができます。また、多くの場合、因子が表す概念的な意味を特定することもできます。 さらに、各回答者の因子得点を計算し、以降の分析で使用することもできます。 例えば、因子得点を使用して、投票行動を予測するロジスティック回帰モデルを構築することができます。
統計。 各変数: 有効ケース数、平均値、標準偏差。 各因子分析: 有意確率、行列式、逆行列を含む変数の相関行列、反イメージなどの再生相関行列、初期の解 (共通性、固有値、および説明された分散のパーセント)、サンプル抽出の適正さの Kaiser-Meyer-Olkin 測定および Bartlett の球面性検定、因子負荷量、共通性、および固有値を含む回転前の解、回転後のパターン行列や変換行列を含む回転後の解。 斜交回転: 回転後のパターンと構造行列、因子得点係数行列と因子共分散行列。 作図: 固有値のスクリー・プロットと最初の 2 因子または 3 因子の因子負荷プロット。
因子分析データの考慮事項
データ。 変数は、区間 レベルまたは比率 レベルの量的変数でなければなりません。 カテゴリー・データ (宗教や出生国など) は、因子分析には適していません。 Pearson の相関係数を正確に算出できるデータは、因子分析に適しています。
仮定 : データに含まれる変数の各ペアが 2 変量の正規分布で、観測値が独立している必要があります。 因子分析モデルは、変数が共通因子 (モデルによって推測される因子) と独自因子 (観測変数間で重複しない因子) によって決定されることを指定します。つまり、計算された推測値は、すべての独自因子が互いに相関せず、共通因子とも相関しないという前提に基づいているということです。
因子分析を実行するには
この機能には Statistics Base オプションが必要です。
- メニューから次の項目を選択します。
- 因子分析のための変数を選択します。
このプロシージャーでは、 FACTOR コマンド・シンタックスを貼り付けます。