11.2.1因子分析操作
打開數(shù)據(jù)文件--分析--降維--因子--因子分析--
將網(wǎng)點(diǎn)劉瀏覽量，論壇瀏覽，線上廣告費(fèi)用姊途，地面推廣引入量，線下廣告費(fèi)用奈惑，實(shí)體店鋪貨量吭净，實(shí)體店訪客數(shù)-移置變量中（作為待分析的變量）--描述--因子分析描述--勾選最后的一個(gè)【KMO和巴特利特球形度檢驗(yàn)】（用于生成檢驗(yàn)因子分析師和度的統(tǒng)計(jì)指標(biāo)）--繼續(xù)
--提取--因子分析;提取--方法--主成分--碎石圖（輔助判斷銀子個(gè)數(shù)）--繼續(xù)
旋轉(zhuǎn)--因子分析旋轉(zhuǎn)--最大方差法（用于更好的解釋因子所包含的意義）--繼續(xù)
注釋：在這里常用“最大方差法”該方法能夠使用盡可能在一個(gè)因子上有較高的載荷，在其余的因子上載荷較小肴甸，從而方便對(duì)因子進(jìn)行解析
--選項(xiàng)--【因子分析選項(xiàng)】--系數(shù)顯示格式--按大小排序--排除小系數(shù)--【絕對(duì)值如下】礦中輸入40（更清晰的顯式因子載荷寂殉，方便因子的解釋和命名）--繼續(xù)
--確定（開始運(yùn)行因子分析）
11.2.2因子分習(xí)結(jié)果解讀
KMO和巴特利特檢驗(yàn)（該結(jié)果用來檢驗(yàn)數(shù)據(jù)是否適合因子分析，主要參考KMO統(tǒng)計(jì)量即可）
本例中KMO統(tǒng)計(jì)量為0.627原在，結(jié)余0.5和0.7之間友扰，說明該數(shù)據(jù)尚可進(jìn)行因子分析
第二個(gè)輸出結(jié)果是：公因子方差，也就是變量共同度（該結(jié)果顯示了原始變量能被提取的因子表示的程度庶柿，同時(shí)顯示了提取因子的方法）
本例中村怪，所有變量的共同度都是60%以上，可以認(rèn)為所提取的因子對(duì)各變量的解釋能力是可以接受的
第三個(gè)輸出結(jié)果是：總方差解釋（該結(jié)果顯示了通過i分析所提取的因子數(shù)量浮庐，以及所提取的因子對(duì)所有變量的累計(jì)方差貢獻(xiàn)率甚负。一般情況下，累計(jì)方差貢獻(xiàn)率達(dá)到60%以上审残，則說明因子對(duì)變量的解釋能力上課接受梭域，達(dá)到80%及以上，說明因子對(duì)變量的解釋能力非常好
本例中搅轿，根據(jù)“初始值”大于1的標(biāo)準(zhǔn)提取了倆個(gè)因子病涨，選好轉(zhuǎn)后倆個(gè)因子的方差貢獻(xiàn)率略有變化，差距有所縮小璧坟，累計(jì)方差貢獻(xiàn)率為72.367%既穆，和旋轉(zhuǎn)前一樣赎懦，相對(duì)來說，因子的解釋能力比較好
第四個(gè)輸出結(jié)果是：“碎石圖”（該結(jié)果能狗輔助判斷最佳因子個(gè)數(shù)幻工，通常是選取曲線中較陡的位置所對(duì)引得因子個(gè)數(shù)）
本例中励两，前三個(gè)因子都在陡峭的曲線上，所以提取2-3個(gè)依著你都可以對(duì)原始變量的信息有較好的解釋囊颅。
---
如何確定提取的因子個(gè)數(shù)
標(biāo)準(zhǔn)：
初始特征值（輸出3的第二列數(shù)字）大于1 的因子個(gè)數(shù)
累計(jì)方差貢獻(xiàn)率（輸出3中第四列的數(shù)字）達(dá)到一定水平（如60%）的因子個(gè)數(shù)
碎石圖中處于較陡曲線上所對(duì)應(yīng)的因子個(gè)數(shù)
依據(jù)對(duì)研究事物的理解而制定的因子個(gè)數(shù)
--
本例中將根據(jù)Spss因子分析結(jié)果提取的倆個(gè)因子進(jìn)行后續(xù)分析
第五個(gè)輸出結(jié)果是：“成分矩陣”該結(jié)果顯示的是旋轉(zhuǎn)錢的因子載荷矩陣伐蒋，其中有些變量在各個(gè)因子上的載荷比較接近，難以對(duì)因子進(jìn)行明確定義迁酸，因此先鱼，對(duì)因子解釋和命名更有知道的意義的是旋轉(zhuǎn)后的成分矩陣
本例中，“網(wǎng)站瀏覽量”在倆個(gè)因子刪的載荷較為接近奸鬓，所以要關(guān)注該變量在因子旋轉(zhuǎn)后的載荷焙畔，以便正確解讀因子的含義
第六個(gè)輸出的結(jié)果是：“旋轉(zhuǎn)后的成分矩陣”該結(jié)果顯示的是旋轉(zhuǎn)后的載荷矩陣，這個(gè)結(jié)果能夠凸顯因子的含義串远，易于理解
本例中宏多，通過訊轉(zhuǎn)后的因子載荷矩陣：
第一個(gè)因子，載荷較大的變量是“網(wǎng)站瀏覽量澡罚，論壇瀏覽量伸但，線上廣告費(fèi)用，實(shí)體店訪客數(shù)”說明他們四個(gè)變量與該因子的相關(guān)程度較高留搔，其中“網(wǎng)點(diǎn)瀏覽量”“論壇瀏覽量”“線上廣告費(fèi)用”三個(gè)變量梵音的是線上情況更胖，而實(shí)體店訪客數(shù)，變量雖然梵音的是線下情況隔显，但其在和值符號(hào)為負(fù)號(hào)却妨，顯然，改變兩個(gè)與第一個(gè)因子成反向關(guān)系括眠，綜上所述彪标，可降低一個(gè)引自命名為“線上商務(wù)”因子
第二個(gè)因子，載荷較大的變量是“實(shí)體店鋪貨量”掷豺，線下廣告費(fèi)用和地面及推廣引入流量
說明他們?nèi)齻€(gè)便令與該因子的先關(guān)的程度較高捞烟，并且這些變量梵音的線下情況，因此当船，可以將第二個(gè)因子上有數(shù)值
第七個(gè)輸出結(jié)果是：成分轉(zhuǎn)換矩陣题画，該結(jié)果顯示了右旋轉(zhuǎn)之前因子載荷矩陣轉(zhuǎn)換到新旋轉(zhuǎn)之后因子載荷矩陣所需要香橙的矩陣系數(shù)，對(duì)結(jié)果解讀的實(shí)用性不高生年，可以忽略
-------------------
對(duì)因子的分進(jìn)行評(píng)價(jià)
需要考慮每個(gè)因子的方差貢獻(xiàn)率占總累計(jì)方差共吸納了的比率de 比例婴程，一次作為權(quán)重廓奕，進(jìn)行加權(quán)計(jì)算
--轉(zhuǎn)換--計(jì)算變量--目標(biāo)變量--綜合得分--數(shù)字表達(dá)式--（38.968/72.367*fac1_1+33.399/72.367*FAC2_1）--確定
將該綜合得分從高到低進(jìn)行降序排列抱婉，就能知道那些商戶在o2o的運(yùn)營方式下的表現(xiàn)優(yōu)異档叔，排序后的結(jié)果如圖
通過對(duì)7個(gè)原始變量個(gè)進(jìn)行因子分析，最后輸出倆個(gè)因子蒸绩，分別是“線上商務(wù)”和“線下商務(wù)”倆個(gè)因子衙四，然后集散總和得分，根據(jù)計(jì)算綜合得分患亿，根據(jù)最后總和得分的排名传蹈，得知商戶17,28，和31為o2o運(yùn)營方式下表現(xiàn)優(yōu)異的前三甲步藕。
