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)點劉瀏覽量，論壇瀏覽，線上廣告費用，地面推廣引入量，線下廣告費用，實體店鋪貨量，實體店訪客數(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【KMO和巴特利特球形度檢驗】（用于生成檢驗因子分析師和度的統(tǒng)計指標）--繼續(xù)
--提取--因子分析;提取--方法--主成分--碎石圖（輔助判斷銀子個數(shù)）--繼續(xù)
旋轉--因子分析旋轉--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因子上有較高的載荷，在其余的因子上載荷較小，從而方便對因子進行解析
--選項--【因子分析選項】--系數(shù)顯示格式--按大小排序--排除小系數(shù)--【絕對值如下】礦中輸入40（更清晰的顯式因子載荷，方便因子的解釋和命名）--繼續(xù)
--確定（開始運行因子分析）
11.2.2因子分習結果解讀
KMO和巴特利特檢驗（該結果用來檢驗數(shù)據(jù)是否適合因子分析，主要參考KMO統(tǒng)計量即可）
本例中KMO統(tǒng)計量為0.627，結余0.5和0.7之間，說明該數(shù)據(jù)尚可進行因子分析
第二個輸出結果是：公因子方差，也就是變量共同度（該結果顯示了原始變量能被提取的因子表示的程度，同時顯示了提取因子的方法）
本例中，所有變量的共同度都是60%以上，可以認為所提取的因子對各變量的解釋能力是可以接受的
第三個輸出結果是：總方差解釋（該結果顯示了通過i分析所提取的因子數(shù)量，以及所提取的因子對所有變量的累計方差貢獻率。一般情況下，累計方差貢獻率達到60%以上，則說明因子對變量的解釋能力上課接受，達到80%及以上，說明因子對變量的解釋能力非常好
本例中，根據(jù)“初始值”大于1的標準提取了倆個因子，選好轉后倆個因子的方差貢獻率略有變化，差距有所縮小，累計方差貢獻率為72.367%，和旋轉前一樣，相對來說，因子的解釋能力比較好
第四個輸出結果是：“碎石圖”（該結果能狗輔助判斷最佳因子個數(shù)，通常是選取曲線中較陡的位置所對引得因子個數(shù)）
本例中，前三個因子都在陡峭的曲線上，所以提取2-3個依著你都可以對原始變量的信息有較好的解釋。
---
如何確定提取的因子個數(shù)
標準：
初始特征值（輸出3的第二列數(shù)字）大于1 的因子個數(shù)
累計方差貢獻率（輸出3中第四列的數(shù)字）達到一定水平（如60%）的因子個數(shù)
碎石圖中處于較陡曲線上所對應的因子個數(shù)
依據(jù)對研究事物的理解而制定的因子個數(shù)
--
本例中將根據(jù)Spss因子分析結果提取的倆個因子進行后續(xù)分析
第五個輸出結果是：“成分矩陣”該結果顯示的是旋轉錢的因子載荷矩陣，其中有些變量在各個因子上的載荷比較接近，難以對因子進行明確定義，因此，對因子解釋和命名更有知道的意義的是旋轉后的成分矩陣
本例中，“網(wǎng)站瀏覽量”在倆個因子刪的載荷較為接近，所以要關注該變量在因子旋轉后的載荷，以便正確解讀因子的含義
第六個輸出的結果是：“旋轉后的成分矩陣”該結果顯示的是旋轉后的載荷矩陣，這個結果能夠凸顯因子的含義，易于理解
本例中，通過訊轉后的因子載荷矩陣：
第一個因子，載荷較大的變量是“網(wǎng)站瀏覽量，論壇瀏覽量，線上廣告費用，實體店訪客數(shù)”說明他們四個變量與該因子的相關程度較高，其中“網(wǎng)點瀏覽量”“論壇瀏覽量”“線上廣告費用”三個變量梵音的是線上情況，而實體店訪客數(shù)，變量雖然梵音的是線下情況，但其在和值符號為負號，顯然，改變兩個與第一個因子成反向關系，綜上所述，可降低一個引自命名為“線上商務”因子
第二個因子，載荷較大的變量是“實體店鋪貨量”，線下廣告費用和地面及推廣引入流量
說明他們三個便令與該因子的先關的程度較高，并且這些變量梵音的線下情況，因此，可以將第二個因子上有數(shù)值
第七個輸出結果是：成分轉換矩陣，該結果顯示了右旋轉之前因子載荷矩陣轉換到新旋轉之后因子載荷矩陣所需要香橙的矩陣系數(shù)，對結果解讀的實用性不高，可以忽略
-------------------
對因子的分進行評價
需要考慮每個因子的方差貢獻率占總累計方差共吸納了的比率de 比例，一次作為權重，進行加權計算
--轉換--計算變量--目標變量--綜合得分--數(shù)字表達式--（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行降序排列，就能知道那些商戶在o2o的運營方式下的表現(xiàn)優(yōu)異，排序后的結果如圖
通過對7個原始變量個進行因子分析，最后輸出倆個因子，分別是“線上商務”和“線下商務”倆個因子，然后集散總和得分，根據(jù)計算綜合得分，根據(jù)最后總和得分的排名，得知商戶17,28，和31為o2o運營方式下表現(xiàn)優(yōu)異的前三甲。
