效度分析就是因子分析吗

以下是我自己通俗的理解哈.主成分分析,就是多个变量综合起来反应一个指标,要把这个指标找出来.因子分析就是其实潜在的有几个指标,而表现出来的是这几个指标随机组合作用出来的结果.因子分析不好理解是吧,举个

你完全不懂因子分析吧,不存在共线性是不能做因子分析的,kmo大小无所谓的,79%已经很大了再问：是不太懂。不是说KMO要70%以上才算合格吗？再答：只要这个检验p

对每个所有题项进行因子分析,如果KMO和Bartlett球形检验的结果表明其并不适合做因子分析这说明你的数据有问题,结构效度现在分为两种一种用因子分析的方法,但是这种不咋用了,还有一种是用结构模型验证

这需要看你问卷的具体问题,如果你问卷中包含若干量表,则需要对每一个量表进行效度分析（KMO和巴特利检验及因子分析）,如果你整张问卷就是一张普通的调查问卷的话,对问卷进行整体的效度分析就可以了.

KMO检验统计量在0.7以上,说明变量之间的偏相关性较强,适合做因子分析,球形检验p小于0.001,说明变量之间存在相关性.第二格表格为共同性,表示各变量中所含原始信息能被提取的共同因子所表示的程度,

对啊对啊!

很多人误解了探索性因子分析的用法了很明显你已经有了事先假设设计的维度了,这种情况下,即使你的数据是100%理想,采用探索性因子分析也十有八九算出跟你假设的维度不一样的结果来.因为你事先假设设计是基于某

出来的结果里有这个值的我经常帮别人做这类的数据分析的

不一定,如果求出主因子解后,各个主因子的典型代表变量不很突出,还需要进行因子旋转,通过适当的旋转得到比较满意的主因子.你可以不做,但是一般都会做的,因为那样结果就更鲜明了.

问题补充：特征值大于1了,但累积贡献率仅为60%,如何提高累积贡献率?..这个和因子分析所选的每个变量有关系,变量之间要有一定的相关性,同时也可以

用因子得分FAC1-1做回归,那个因子载荷阵是原变量与因子的相关系数,你可以参考网上的文献,另外新生成的因子是不相关的,不用做相关分析了

有数据和参考论文吗有的话发到luguoda9you@sina.com我看看如何处理

主成分分析就是将多项指标转化为少数几项综合指标,用综合指标来解释多变量的方差-协方差结构.综合指标即为主成分.所得出的少数几个主成分,要尽可能多地保留原始变量的信息,且彼此不相关.因子分析是研究如何以

聚类分析一般是用来描述变量或者样品之间相似性的方法,事先是不知道有多少中类别的.判别分析是事先知道了有哪些类别,而且有相应的分类数据,那么可以通过已知的分析数据建立一个分类的规则,那么给出一个或多个未

主成分分析可以理解为一种数据的处理理论,也可以理解为一种应用方法.而因子分析则可以理解为一种应用方法,因为做因子分析采用的比较多的就是用主成分分析的方法来浓缩因子.所以其实所谓的区别只不过是在学科研究

因子分析法和主成分分析法都是降维处理多变量的回归问题,不同意楼上的说法,不是包含的关系.另外主成分分析法在SPSS中没有办法直接实现,是通过因子分析来构建模型的.它们的区别还是模型构建体系不一样,因子

效度分为很多,你说的应该是结构效度因子分析有标准步骤,不是说你这么做因子分析就不好,他那么做因子分析就好需要对哪些变量做因子分析,要根据你的目的来决定kmo是必须要看的我经常帮别人做这类的数据分析

lz的意思表达不是很明白.以因子分析为例：因子分析会有variables的框让你自己选择对哪些变量的数据进行分析.如果需要对原始数据进行分析,那就将你原始数据的相关变量名拖到variables的框里就

主成分分析就是将多项指标转化为少数几项综合指标,用综合指标来解释多变量的方差-协方差结构.综合指标即为主成分.所得出的少数几个主成分,要尽可能多地保留原始变量的信息,且彼此不相关.因子分析是研究如何以

可以解释但是一般使用主成分与因变量y进行回归分析的比较多通过这种回归分析可以更加清晰的看出之间的关系