基于SPSS的统计实务班成绩的因子分析

龙源期刊网 https://www.sodocs.net/doc/7c8010596.html,

基于SPSS的统计实务班成绩的因子分析

作者：吴以超孙晓松闫敏伦朱鹏程

来源：《卷宗》2012年第08期

摘要：文中利用SPSS软件对统计实务班学生的成绩进行因子分析，用各个学生的综合得分评价其成绩排名。为准确评价学生成绩提供了理论支撑。

关键词：SPSS；因子分析；综合得分

中图分类号：O212.1 文献标志码：A

二、数据来源

本文选取了08级统计实务班31名学生的20门主干课程，分别为：思想道德修养与法律基础、统计学原理、微积分、政治经济学、大学英语、应用统计学、国民经济统计学、毛泽东思想邓小平理论和三个代表、Excel在统计中的应用、统计预测与决策、统计应用文写作、统计实务、概率论与数理统计、调查概论与数据分析、企业经济统计学、SPSS在统计中的应用、线性规划、抽样技术、统计信息管理、管理信息系统。以这20门课程为变量，分别用表示，并用表示第i个学生在第j 门课程上的得分，这样，就得到了一个原始数据矩阵，输入SPSS17.0软件对其进行因子分析。

三、实证检验

（1）检验数据的可行性

KMO（Kaiser—Meyer—Olkin）检验是用来比较变量间简单相关系数和偏相关系数的大小，主要用来检验数据是否适合因子分析的。KMO越接近1，意味着变量间的相关性越强，越适合作因子分析，KMO越接近0，意味着变量间的相关性越弱，越不适合作因子分析。

巴特利特（Bartlett）球度检验是以原有变量的相关系数矩阵为出发点的假设检验，也主要用来检验数据是否适合因子分析。若概率P—值小于给定的显著性水平？琢，则拒绝原假设，认为相关系数矩阵不太可能是单位阵，原有变量适合作因子分析；反之，若概率P—值大于给定的显著性水平？琢，则接收原假设，认为相关系数矩阵与单位阵无显著差异，原有变量不适合作因子分析。

（2）方差解释

（3）确定因子

（4）因子得分