用SPSS做因子分析时，怎样给数据标准化（具体操作步骤）？_百度知道
用SPSS做因子分析时，怎样给数据标准化（具体操作步骤）？
知道该怎么操作，但是心里有谱，然后拿处理后的数据在spss里做因子分析，虽然麻烦点我一般都是在excel里对数据进行标准化预处理
那excel里怎么标准化
X1 X2 X3 X4 X5 X6 X7石家庄 121.6
6.78 .89承德 -27.1
.29 .2张家口 24.34 694 .13 415.79 .48秦皇岛 90.4
.15 .9唐山 735.96
采纳率：47%
descriptive statiistics-&gtanalyze-&在打开的窗口中，在‘Save standarized
values as variables’ 前方框打钩就可以了。。;desctiptives-&gt
为您推荐：
其他类似问题
因子分析的相关知识
等待您来回答苹果/安卓/wp
积分 107, 距离下一级还需 38 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
道具: 匿名卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 7 天连续签到: 1 天[LV.3]偶尔看看II
spss因子分析方法中最后得出的综合分数为负值，可是我的数据需要做面板回归处理。可以采用什么方法使得负数变为正数么
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
周浪zhoulang 发表于
spss因子分析方法中最后得出的综合分数为负值，可是我的数据需要做面板回归处理。可以采用什么方法使得负数 ...这是标准化之后的值。均值为0，正数负数分别表示大于小于总体均值。可以直接用于后续回归，没必要再转化额。祝好运～
热心帮助其他会员
总评分:&经验 + 20&
谢谢，我后来把得到的综合得分进行了极值标准化处理，是的所有的数据在0到1之间了，不晓得这样行不
周浪zhoulang 发表于
谢谢，我后来把得到的综合得分进行了极值标准化处理，是的所有的数据在0到1之间了，不晓得这样行不你好 ！我现在也遇到了这样的问题，请问你是怎么做的，可以告诉我具体的换算公式吗？？谢谢^~^
一级伯乐勋章
一级伯乐勋章
初级学术勋章
初级学术勋章
初级热心勋章
初级热心勋章
初级信用勋章
初级信用勋章
中级热心勋章
中级热心勋章
中级学术勋章
中级学术勋章
中级信用勋章
中级信用勋章
高级热心勋章
高级热心勋章
高级学术勋章
高级学术勋章
高级信用勋章
高级信用勋章
特级热心勋章
高级热心勋章
特级学术勋章
特级学术勋章
特级信用勋章
高级信用勋章
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师苹果/安卓/wp
积分 79, 距离下一级还需 6 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
本人再做因子分析的问题研究，调查所得的数据分析之后，不能按照预期归到一类，调整数据也不知道怎么调，不知有没有什么技巧？具体点就是想让某几项到时归结为一个因子，对其原始数据改动或者编造时有什么方法么？
谢谢各位了！！
载入中......
无语了，为什么要编造数据呢？如果结果不好，应该调整使用的计量方法，而不是编造数据。
总评分:&热心指数 + 1&
没有办法 使用各种不同的方法做因素分析 如果真是做不到和实际对应 只能说没办法
主要原因是现在做论文，马上要毕业，数据很不好收集，而其很慢，比较着急
呵呵见笑了~~
xumin533 发表于
无语了，为什么要编造数据呢？如果结果不好，应该调整使用的计量方法，而不是编造数据。呵呵，尽量让想成为同一因子的数据间的相关系数增加就成了！但我同意2楼的，尽量别造假！
亲，我也遇到了同样的问题，这个数据不知道怎么编，处理完后的数据也不知道怎么算合适
给一点指导吧，谢谢
同学们,这样搞要搞出问题来的，一些火眼金睛的大神能够从不同的部分看出数据的真伪，不是开玩笑，别把学位搞丢了。
編造數據是不可行的
但如在有限的條件下 縮減受試的題項再重做分析
或許有機會達到檢驗的標準~
也可以在論文寫作的過程中 說明數據的處理方式
以增加論文的可信度~
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师因子分析_百度百科
因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。
因子分析探索性
因子分析的方法约有10多种，如重心法、影像分析法，最大似然解、最小平方法、阿尔发抽因法、典型抽因法等等。这些方法本质上大都属近似方法，是以矩阵为基础的，所不同的是相关系数矩阵对角线上的值，采用不同的共同性□2估值。在社会学研究中，因子分析常采用以主成分分析为基础的反覆法。　　主成分分析为基础的反覆法　主成分分析的目的与因子分析不同，它不是抽取变量群中的共性因子，而是将变量□1，□2，…,□□进行,成为互为正交的新变量□1，□2，…,□□，以确保新变量具有最大的：　　在求解中,正如因子分析一样,要用到相关系数矩阵或协方差矩阵。其特征值□1，□2，…,□□,正是□1，□2,…，□□的方差，对应的标准化，正是方程中的系数□，□，…,□。如果□1&□2,…,□□，则对应的□1，□2，…，□□分别称作第一主成分,第二主成分,……,直至第□主成分。如果信息无需保留100%,则可依次保留一部分主成分□1，□2，…，□□(□&□)。　　当根据主成分分析，决定保留□个主成分之后，接着求□个特征向量的行平方和，作为共同性□：　　□并将此值代替相关数矩阵对角线之值，形成约相关矩阵。根据约相关系数矩阵，可进一步通过反复求特征值和特征向量方法确定因子数目和因子的系数。　　因子旋转 为了确定因子的实际内容,还须进一步旋转因子，使每一个变量尽量只负荷于一个因子之上。这就是简单的结构准则。常用的旋转有直角旋转法和斜角旋转法。作直角旋转时，各因素仍保持相对独立。在作斜角旋转时，允许因素间存在一定关系。　　Q型因子分析 上述从变量群中提取共性因子的方法，又称R型因子分析和R型主要成分分析。但如果研究个案群的共性因子，则称Q型因子分析和Q型主成分分析。这时只须把调查的□个方案，当作□个变量,其分析方法与R型因子分析完全相同。　　因子分析是社会研究的一种有力工具，但不能肯定地说一项研究中含有几个因子，当研究中选择的变量变化时，因子的数量也要变化。此外对每个因子实际含意的解释也不是绝对的。[1]
因子分析隐性变量
因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接测量到的隐性变量 (latent variable, latent factor)。比如，如果要测量学生的学习积极性(motivation)，课堂中的积极参与，作业完成情况，以及课外阅读时间可以用来反应积极性。而学习成绩可以用期中，期末成绩来反应。在这里，学习积极性与学习成绩是无法直接用一个测度(比如一个问题) 测准，它们必须用一组测度方法来测量，然后把测量结果结合起来，才能更准确地把握。换句话说，这些变量无法直接测量。可以直接测量的可能只是它所反映的一个表征(manifest)，或者是它的一部分。在这里，表征与部分是两个不同的概念。表征是由这个隐性变量直接决定的。隐性变量是因，而表征是果，比如学习积极性是课堂参与程度 (表征测度)的一个主要决定因素。
因子分析得到因子
那么如何从显性的变量中得到因子呢？因子分析的方法有两类。一类是，另一类是。探索性因子分析不事先假定因子与测度项之间的关系，而让数据“自己说话”。和共因子分析是其中的典型方法。验证性因子分析假定因子与测度项的关系是部分知道的，即哪个测度项对应于哪个因子，虽然我们尚且不知道具体的系数。
因子分析简介
因子分析的方法约有10多种，如、影像，最大似然解、最小平方法、抽因法、拉奥典型抽因法等等。这些方法本质上大都属近似方法，是以为基础的，所不同的是相关系数矩阵对角线上的值，采用不同的共同性□2估值。在社会学研究中，因子分析常采用以主成分分析为基础的反覆法。
主成分分析为基础的反覆法　主成分分析的目的与因子分析不同，它不是抽取变量群中的共性因子，而是将变量□1，□2，…,□□进行，成为互为正交的新变量□1，□2，…,□□，以确保新变量具有最大的方差：
在求解中，正如因子分析一样,要用到相关系数矩阵或。其□1，□2，…，□□,正是□1，□2,…，□□的方差，对应的标准化，正是方程中的系数□，□，…，□。如果□1&□2,…，□□，则对应的□1，□2，…，□□分别称作第一主成分,第二主成分，……,直至第□主成分。如果信息无需保留100%，则可依次保留一部分主成分□1，□2，…，□□(□&□)。
当根据主成分分析，决定保留□个主成分之后，接着求□个特征向量的行平方和，作为共同性□：
□并将此值代替相关数矩阵对角线之值，形成约。根据约矩阵，可进一步通过反复求特征值和特征向量方法确定因子数目和因子的系数。
因子旋转为了确定因子的实际内容,还须进一步旋转因子，使每一个变量尽量只负荷于一个因子之上。这就是简单的结构准则。常用的旋转有直角旋转法和斜角旋转法。作直角旋转时，各因素仍保持相对独立。在作斜角旋转时，允许因素间存在一定关系。
Q型因子分析 上述从变量群中提取共性因子的方法，又称R型因子分析和R型主要成分分析。但如果研究个案群的共性因子，则称Q型因子分析和Q型主成分分析。这时只须把调查的□个方案，当作□个变量，其分析方法与R型因子分析完全相同。
因子分析是社会研究的一种有力工具，但不能肯定地说一项研究中含有几个因子，当研究中选择的变量变化时，因子的数量也要变化。此外对每个因子实际含意的解释也不是绝对的。
因子分析验证因子
探索的因子分析有一些局限性。第一，它假定所有的因子(旋转后) 都会影响测度项。在实际研究中，我们往往会假定一个因子之间没有因果关系，所以可能不会影响另外一个因子的测度项。第二，探索性因子分析假定测度项之间是相互独立的。实际上，测度项的残差之间可以因为单一方法偏差、子因子等因素而相关。第三，探索性因子分析强制所有的因子为独立的。这虽然是求解因子个数时不得不采用的机宜之计，却与大部分的研究模型不符。最明显的是，自变量与应变量之间是应该相关的，而不是独立的。这些局限性就要求有一种更加灵活的建模方法，使研究者不但可以更细致地描述测度项与因子之间的关系，而且可以对这个关系直接进行测试。而在探索性因子分析中，一个被测试的模型(比如正交的因子) 往往不是研究者理论中的确切的模型。
因子分析分析描述
验证性因子分析(confirmatory factor analysis) 的强项正是在于它允许研究者明确描述一个中的细节。那么一个研究者想描述什么呢？我们曾经提到因为测量误差的存在，研究者需要使用多个测度项。当使用多个测度项之后，我们就有测度项的“质量”问题，即有效性检验。而有效性检验就是要看一个测度项是否与其所设计的因子有显著的载荷，并与其不相干的因子没有显著的载荷。当然，我们可能进一步检验一个测度项工具中是否存在单一方法偏差，一些测度项之间是否存在“子因子”。这些测试都要求研究者明确描述测度项、因子、之间的关系。对这种关系的描述又叫测度模型 (measurement model)。对测度模型的质量检验是之前的必要步骤。
验证性因子分析往往用求解。它往往与结构方程的方法连用。具体的使用过程与原理可以参看扩展阅读中的《》。
因子分析因子应用
在中，研究人员关心的是一些研究指标的集成或者组合，这些概念通常是通过等级评分问题来测量的，如利用取得的变量。每一个指标的集合（或一组相关联的指标）就是一个因子，指标概念等级得分就是因子得分。
因子分析在市场调研中有着广泛的应用，主要包括：
（1）消费者习惯和态度研究（U&A）
（2） 品牌形象和特性研究
（3）服务质量调查
（4） 个性测试
（5）形象调查
（6） 市场划分识别
（7）顾客、产品和行为分类
在实际应用中，通过因子得分可以得出不同因子的重要性指标，而管理者则可根据这些指标的重要性来决定首先要解决的市场问题或产品问题。
．搜搜百科．[引用日期]