因子分析模型用于因素分析 因子分析的作用和意义？

因子分析模型用于因素分析

因子分析的作用和意义？

因子分析的作用和意义？

因子分析的用处是：因子分析是将多个实测变量转换为少数几个综合指标（或称潜变量），它反映一种降维的思想。通过降维将相关性高的变量聚在一起，从而减少需要分析的变量的数量，而减少问题分析的复杂性。用来确定维度数量，对标体系的维度由主观来做判断。

因子分析的内容：

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。

因子分析的作用和意义？

因子分析综合评价的意义：因子分析综合评价应用较为普遍,而目前存在一些问题,如:因子何时需要旋转,因子个数如何确定更好,何为因子命名与正向化选取变量的标准,何为具有优良性的准确因子值,何为主成分分析与因子分析的关系与差异等,忽视这些问题会导致评价没有合理性。这里用近期建立的因子分析新模型及其解理论等,解决了这些问题,得出因子分析综合评价达到合理需要的5个条件,并结合评价实例提出了建议。

因子分析法适用于什么？

因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子，以较少的几个因子反映原资料的大部分信息。运用这种研究技术，我们可以方便地找出影响消费者购买、消费以及满意度的主要因素是哪些，以及它们的影响力。运用这种研究技术，我们还可以为市场细分做前期分析。

因子分析主要用于:1、减少分析变量个数2、通过对变量间相关关系探测，将原始变量进行分类。即将相关性高的变量分为一组，用共性因子代替该组变量。