Анализ социологических данных с применением пакета SPSS. Пошаговая исследовательская модель анализа данных, страница 22

Название опции

Обозначение

Реализуемая возможность

STATISTICS

Описательные статистики

Descriptivestatistics

Среднее, стандартное отклонение для зависимой переменной и независимых признаков. Можно использовать для общего описания

Матрица ковариации и корреляции

Covariancematrix

Проверка (на основе значений коэффициента корреляции Пирсона) степени связанности независимых признаков между собой

Диагностика мультиколлинеарности

Collinearitydiagnostics

Получение коэффициента толерантности для каждой независимой переменной (Т=0, признак линейно связан с другими независимыми признаками)

Коэффициент Дурбина-Уотсона

Durbin-Watson

Проверка связанности остатков модели (Н₀: остатки не связаны)

PLOTS

Гистограмма стандартизованных остатков с наложением кривой нормального распределения

Standardizedresidualplots

Проверка нормальности распределения остатков модели (глазомерный способ)

Диаграммы частных остатков

Produce all partial plots

Графическое изображение Т-статистик для каждого независимого признака или его частные корреляции с зависимой переменной после удаления линейного влияния других переменных модели

SAVE

Стандартизованные (нормированные) остатки

Standardizedresidual

Сохранение в качестве новой переменной стандартизованного остатка для каждого объекта

OPTIONS

Пропущенные значения

MissingValues

Решение проблемы пропущенных значений

Исключение «полным листом»

Exclude cases listwise

Исключение попарно

Exclude cases pairwise

Замена средним значением

Replace with mean

Название опции

Обозначение

Реализуемая возможность

DESCRIPTIVES

Описательные статистики

Univariate descriptives

Среднее, стандартное отклонение Можно использовать для общего описания

Критерии проверки адекватности использования ФА

KMO and Barlett’s test of sphericity

Критерий сферичности Барлетта Н₀: корреляция между признаками в ГС отсутствует. Если принимается нулевая гипотеза, то проведение процедуры ФА на заданных признаках вызывает сомнения.

Критерий адекватности выборки Кайзера-Мейера-Олкина Н₀: корреляции между парами переменных (частные корреляции) нельзя объяснить другими переменными. Если принимаем нулевую гипотезу, то использования ФА нецелесообразно

EXTRACTION

Метод построения факторов

Method

По умолчанию «метод главных компонент», но можно выбрать и другие из списка

-построение матрицы корреляции (correlationmatrix)

-построение матрицы ковариации (covariancematrix)

Analyse

-

Собственное значение исходного признака больше «1»

Eigenvalues over «1»

-

Число факторов

Number of  factors

Задается модель с определенным числом факторов

График «осыпь»

Display/Scree plots

Дополнительный метод определения оптимального числа факторов

ROTATION

Методы вращения факторов

Method/Varimax

Позволяет выделить контрастные значения факторных нагрузок, тем самым, облегчая интерпретацию факторов. Сохраняет углы между факторами (т.е. ортогональность)

Отображение исходных признаков в пространстве факторов

Display/ Loadingplot(s)

Иллюстративная функция

SCORE

Сохранить как переменные

Save as variables

Сохранение в качестве новой переменной значений каждого фактора. Предложено несколько методов расчета значений фактора, по умолчанию – регрессия

Коэффициенты значений фактора

Factor Score Coefficient Matrix

Коэффициенты уравнения для расчета значений фактора (факторных весов)

OPTIONS

Пропущенные значения

MissingValues

Решение проблемы пропущенных значений

Исключение «полным листом»

Excludecaseslistwise

Исключение попарно

Exclude cases pairwise

Замена средним значением

Replace with mean

Сортировка по размеру

Sorted by size

Упорядочивание факторных нагрузок от наибольшей к наименьшей по каждому фактору (удобно для представления данных в таблице)

Не отражать абсолютные значения факторных нагрузок, которые меньше __

Suppress absolute values less than __(поумолчанию0.1)

Для удобства представления данных

SELECTION VARIABLE

Переменная, по значению которой производится отбор случаев для проведения ФА

Selection variable

Задается одно значение некой переменной – оно рассматривается как критерий отбора случаев для построения модели