1樓：如果可以微笑
提取載荷平方和方差百分比能超過40%嗎。
答案：能超過。
2樓：亥碧春
提取載荷平方和方差百分比能超過40嗎？提取載荷平方和方差百分比能超過40的。
各檢測專案允許的誤差範圍是多少？
3樓：信必鑫服務平臺
不得超過累計載荷質量的±和±。
非連續累計自動衡器(料斗秤)在物料試驗中，對自動稱量誤差的評定則以累計載荷質量的百分比相對誤差進行計算，準確度為級、級的則首次檢定其自動稱量誤差不得超過累計載荷質量的±和±。
最大允許誤差為評定測量儀器是否合格的最主要汪遲指標之一，當然它也直接反映了測量儀器的準確度。可見測量不確定度概念不能肆圓完全代替測量儀器的誤差，因為它無法得到修正值，作為測量儀器的特性，規定最大允許誤差和通過檢定、校準去確定示值誤差，在實用上具有十分現實的意義。
擴裂陵塌展資料：
檢測專案誤差要求規定：
1、根據事先確定的置信度和測定次數查閱表中g值表，如果g>g表，說明可疑值相對於平均值偏離較大，應以一定的置信度將其捨去，否則應予以保留。
2、在運用格魯布斯法判斷可疑值的取捨時，由於引入了t分佈中最基本的兩個引數平均值和方差，故該方法的準確度較q檢驗法高。
3、在確定的測量條件下，對同一物理量進行多次測量，並且用它的算術平均值作為該物理量的測量結果，能夠比較好地減少偶然誤差。
按照模型做的問卷把因子分成3個部分，但是spss因子分析成分提取的時候多提出來4個怎麼辦
4樓：富新霽釗晨
如果你是用別人已經修訂好的問卷做研究，那最好還是能提取4個，直接提取不成那就在因子提取方法裡選強制抽取4個，完全可以，這個時候你再看看kmo，特徵值方差貢獻率，共同度和因子載荷，如果都比較好（一般就是說kmo值以上，方差貢獻率起碼，共同度起碼也有，因子載荷起碼均在以上），那就ok，若是不好，酌情刪除一些題目（主要是看因子載荷，太低的刪，乙個題目在兩個因子上載荷接近的也刪），再重新做因子分析看結果。
如果這個模型是你自己構想的，還不是很成型，那提取三個因子也可能有它的道理，你看看三個因子能否有個合理的命名，如果可以，那也ok
5樓：鄔智美召暖
用主成分分析法做因子分析判斷提取幾個因子先參考特徵值和碎石圖，一般預設特徵值大於1的因子被提取，同時參考碎石圖，碎石圖中有幾個因子比較「陡」，就提取幾個。最後還得看看累積方差貢獻率，所有提取的因子的貢獻率加起來至少應該超過40%。
確定了提取幾個因子之後，觀察每乙個題目的質量時要參考公因子方差和旋轉成分矩陣（即因子載荷），公因子方差不低於，因子載荷的最低限度可以定在間，看自己的研究具體情況設定乙個定值，若公因子方差和因子載荷有乙個不好，該題目可以考慮刪除。謹慎的做法是每刪除乙個題目，就重新做一次因子分析，知道公因子方差、因子載荷及方差貢獻率都達到可接受的程度為止。在這個過程中，提取的因子數有可能會變化，應當以最後那次分析的結果為準。
如果做下來和自己原先的維度設定不同，你可以把抽取原則由特徵值大於1改為固定抽取3個因子，然後看固定抽取的情況下，方差貢獻率、因子載荷、公因子方差這些指標怎麼樣，適當刪除不好的題目後，看剩餘的題目是否可以符合你的維度設定，你可以換幾種旋轉方法試試，不一定都要用最大方差法（比如可以試試最大平衡值法、斜交的方法等），如果實在不符合，說明你的原先維度設定可能是有問題，那就只能放棄現在的維度框架，給你研究中實際的維度結構進行合理的命名和解釋了。
有誰瞭解應用統計學中因子分析與主成分分析不？計算過程有些不明白，為啥要求載荷矩陣特徵值？
6樓：泣曉曼
主成分分析就是將多項指標轉化為少數幾項綜合指標，用綜合指標來解釋多變數的方差- 協方差結構。綜合指標即為主成分。所得出的少數幾個主成分，要儘可能多地保留原始變數的資訊，且彼此不相關。
因子分析是研究如何以最少的資訊丟失，將眾多原始。
7樓：
用主成分分析法做因子分析判斷提取幾個因子先參考特徵值和碎石圖，一般預設特徵值大於1的因子被提取，同時參考碎石圖，碎石圖中有幾個因子比較「陡」，就提取幾個。最後還得看看累積方差貢獻率，所有提取的因子的貢獻率加起來至少應該超過40%。 確。
spss主成分分析時，是不是得到的方差百分比就是貢獻率，累計百分比就是累計貢獻率？？
8樓：樸秀英進甲
恩！第乙個是特徵值。一般有大於1的或者大於，累計方差百分比一般要求大於85%才能夠進行主成分分析。
得到的是每個變數的指標，相關係數吧a。然後就是根據特徵值b，求向量係數u，u=a/sqr(b).這樣就得到了係數。
f1=α11x1+α12x2+
1pxpf2=α21x1+α22x2+
2pxpfm=αm1x1+αm2x2+
mpxp然後根據成分構建f的綜合模型。有需要幫助hi我！
spss主成分分析時，是不是得到的方差百分比就是貢獻率，累計百分比就是累計貢獻率？？
9樓：春素小皙化妝品
得到的方差百分比就是貢獻率，累計百分比就是累計貢獻率，成分矩陣用來判定主成分。
貢獻率指有效或有用成果數量與資源消耗及佔用量之比，即產出量與投入量之比，或所得量與所費量之比。計算公式：貢獻率（%）=貢獻量（產出量，所得量）/投入量（消耗量，佔用量）×100%貢獻率也用於分析經濟增長中各因素作用大小的程度。
成分矩陣（component matrix）由主成分法得到的因素負荷矩陣。採用同一組被試進行比較時，必須保證兩種實驗處理之間沒有相互影響，同時要平衡位置順序。
10樓：網友
恩！第乙個是特徵copy值。一般有大於。
1的或者大於，累計方差百分比一般要求大於85%才能夠進行主成分分析。得到的是每個變數的指標，相關係數吧a。然後就是根據特徵值b，求向量係數u，u=a/sqr(b).
這樣就得到了係數。
f1=α11x1+α12x2+ .1pxpf2=α21x1+α22x2+ .2pxp...
fm=αm1x1+αm2x2+ .mpxp然後根據成分構建f的綜合模型。有需要幫助hi我！
因子分析中特徵值提取一定要大於1麼
11樓：網友
這要從什麼是特徵值。
說起，特徵值指的是每道題在某一因子上載荷值的平方和，其代表的是該因子的方差。由於因子分析。
常用相關矩陣。
使得每道題的總方差都是1，有n道題則n個題的總方差就是n。因子分析的目的是降維，是化簡現有的題將其歸類，用盡量少的因子來解釋所有題目的方差。如果某因子的特徵值還沒有1大，這表明這個因子總共只能解釋一道題的方差，甚至還不能完全解釋，那麼我們直接用這道題來解釋它自己就好了，幹嘛還要抽取乙個解釋力不足的因子呢？
所以抽取因子的標準是特徵值應該大於1，這是乙個基本的標準。
在報告spss進行因子分析結果時，能解釋方差百分比具體是怎麼得來的，他與什麼有關係，急！
12樓：網友
能解釋的方差也就是組間方差。
其百分比是f＝ms組間／ms總體。
ms組間＝ss組間／df組間，ms總體＝ss總體／df總體。
f＝ms組間／ms總體，然後檢驗f值，以對方差分析的顯著性進行檢驗。
關於spss 因子分析主成分分析因子載荷量只有大於0.5才能抽取麼，沒有乙個大於0.5這個分析是不是就失敗了？
13樓：呂秀才
這個不能說此次分析就是失敗的，應該說是你的變數或者說是問卷設計有問題當然也可以不一定參照必須要大於，但是常規的都是這樣參照的這個因子載荷低有可能是問卷變數設計問題，有可能是資料採集質量有問題如果是第乙個問題的話 你可以先進行下問卷題目調整，比如刪減部分題目再嘗試，當然不是隨意刪減的，而是根據專案分析的相關指標來進行。
如果是資料質量問題 你可以嘗試著刪除部分變數再試一下如果兩種方法都不行了，只能說明你的變數設計完全有問題或者資料完全不行 只能重做。
14樓：網友
也沒有一定的標準，你可以試一下旋轉。
我幫別人做spss資料分析時，都是這麼的。
15樓：網友
比較常用的是，但不一定，有時可以根據需要萃取以上的部分資料。當然也可以對部分因子因子載荷量較小的變數進行刪除，不作為整個因子分析的變數。使得部分載荷量值會上公升。
乘以百分比和除以百分比表示什麼,乘以百分比和除以百分比表示什麼
乘以百分比表示這個量在總量裡面占有多少,除以百分比求的是總量,並且這個百分比是這個量所佔總量的百分比。除以百分比和乘以百分比有什麼區別 打個比方,原始數是60,假如百分之數是50 那麼60除以50 就表示他要求他增加的倍數,60乘以50 就表示要求他減少的倍數 什麼情況下除以百分比 比如說你們班一共...
已知百分比和人數怎麼求總人數已知百分比和人數怎麼求總人數
人數 人數佔百分比 總人數。百分比就是指的人數佔據總人數的多少，即 人數 總數 百分比，用除法算式進行逆運算即為 人數 人數佔百分比 總人數。這裡結合具體的例子進行說明 乙個班級男生有20人，佔全班人數的50 那麼班級的總人數是20 50 40人。總人數 人數 百分比 總人數 部分人數除以所佔百分比...
百分點和百分比的區別百分點和百分數的區別
百分比是一種表達比例 分數數值的方法，而百分點是表達不同百分數之間的 算術差距 的正確單位，是兩種不同的概念。1 百分比 百分比通常也叫做百分率或百分數，如25 代表百分之二十五，或25 100 0.25。生活中經常使用到百分比，例如經常用來預報天氣。常見有 明天降雨的概率是百分之二十 今晚出現大霧...