因子分析和聚类分析?
问题一：如何对做过因子分析的因子做聚类分析 一般过程如下：
1.做完因子分析后，可以根据得分标记几类特殊的因子；
2.选择K-means或者分层聚类后，根据先前得到的因子，提取其特殊的性质，再进一步命名聚类分析后所得的几类。
支持我一下哈~
问题二：因子分析和聚类分析的区别和联系 完全不同的方法，没必要去比较区别和联系
问题三：聚类分析和因子分析的区别 聚类就是根据数据内在的特征将个案归类的，你这个就等于聚成了一类，所以没有怎么回事，数据就是如此，你可以试一下不用因子直接用变量聚类看下怎么样
问题四：什么样的数据适合做因子分析和聚类分析 存在相关性的数据
问题五：在做同一个统计的时候，分别做了因子分析和聚类分析，但二者结果不一致说明了什么？ 不一致很正常，这原本就是两种方法，好比面和饭吃到嘴里，口感不一致一样
做专业数据分析，找我吧
问题六：在因子分析的基础上如何使用聚类分析? 根据各个样本的最后各因子的总得分，进行聚类分析即可。
问题七：问问题===，因子分析得出结果怎样聚类分析 当然可以的，但通常是将各因子的综合得分作为聚类分析的变量。
因子分析和聚类分析的区别和联系
因子分析和聚类分析，很多时候容易混淆。接下来讲讲二者的区别和联系因子分析：比如有20个题，将20个题浓缩成5个关键词；聚类分析：常见为样本聚类，比如有500个人，这500个人可以聚成几个类别。因子分析和聚类分析的联系在于：分析角度上，比如：可先讲20个题做因子分析，并且得到因子得分。将因子得分在进一步进行聚类分析。最终聚类得到几个类别群体。再去对比几个类别群体的差异等。
spss因子分析详细步骤
因子分析详细步骤KMO 和 Bartlett 的检验使用因子分析进行信息浓缩研究，首先分析研究数据是否适合进行因子分析，从上表可以看出：KMO为0.876，大于0.6，满足因子分析的前提要求，意味着数据可用于因子分析研究。以及数据通过Bartlett 球形度检验(p<0.05)，说明研究数据适合进行因子分析。2.方差解释率表格主要用于判断提取多少个因子合适。以及每个因子的方差解释率和累计方差解释率情况。方差解释率越大说明因子包含原数据信息的越多。因子分析中，主要关注旋转后的数据部分。从上表可知：累积方差解释率值为78.213%，说明提取出来的4个因子可以提取出总共11项中78.213%的信息量，而且四个因子的方差解释率（信息提取量）分别为：21.407%，21.277%，20.807%和14.723%。信息提取量分布较为均匀，综合说明本次因子分析结果良好。补充说明：如果研究人员并没有预设维度。而选择默认选项，SPSSAU默认以特征根大于1作为标准。当然因子分析通常需要综合自己的专业知识综合判断，即使是特征根值小于1，也一样可以提取因子。3.旋转后因子载荷系数表格从上表可知：所有研究项对应的共同度值均高于0.4，意味着研究项和因子之间有着较强的关联性，因子可以有效的提取出信息。最终对浓缩出来的四个因子进行分别命名为：A，B，C和D维度。4.碎石图同时可结合碎石图辅助判断因子提取个数。当折线由陡峭突然变得平稳时，陡峭到平稳对应的因子个数即为参考提取因子个数。实际研究中更多以专业知识，结合因子与研究项对应关系情况，综合权衡判断得出因子个数。补充说明：因子计算权重6.成份得分系数矩阵7.载荷图载荷图用于展示各因子与载荷值关系情况，建议结合实际情况使用即可。第一：如果提取1个成分（或因子）时，则无法展示载荷成分图；第二：如果超过个成分（或因子）时，可自主切换查看对应的载荷图。其中X轴Y轴可以更改如下：8.线性组合系数及权重结果
spss因子分析详细步骤
1、在新建的Excel表格中，插入六列数据，有种类、AC1、AC2、AC3、AC4和AC5；2、打开SPSS分析工具，点击文件菜单，打开数据选择excel表格，从而导入数据；3、导入数据之后，调整变量列展示的宽度，展示默认数据视图；4、单击分析菜单，然后选择降维中的因子；5、打开因子分析窗口，将AC1、AC2、AC3、AC4和AC5移到变量框中；6、点击描述按钮，打开对应的窗口，统计勾选初始解，相关系数矩阵勾选系数和KMO和巴特利特球形度检验；7、接着点击提取按钮，打开窗口并勾选分析相关性矩阵，显示勾选未旋转因子解和碎石图；8、选择旋转打开窗口，方法选择最大方差法，显示勾选旋转后的解和载荷图；9、点击得分按钮，打开因子得分窗口，勾选保存为变量，方法选择回归，然后单击继续；10、最后设置选项，缺失值勾选成列排除个数，系数显示格式勾选按大小排序，然后点击继续；11、确定之后，生成因子分析结果，有相关性矩阵、KMO和巴特利特检验；12、根据已选的几个变量，生成公因子方差和总方差解释；13、接着，生成以组件号为横坐标，特征值为纵坐标，构成碎石图；14、还可以生成成分矩阵和旋转后的成分矩阵，提取方法是主成分分析法；15、在成分转换矩阵下方，生成旋转后的空间中的组件图；16、最后按照成分，生成成分得分系数矩阵和成分得分协方差矩阵。
什么数据适合因子分析？
定量数据适合因子分析。把一些信息重叠、具有错综复杂关系的变量归结为少数几个不相关的综合因子的一种多元统计分析。因子分析法是指从研究指标相关矩阵内部的依赖关系出发，把一些信息重叠、具有错综复杂关系的变量归结为少数几个不相关的综合因子的一种多元统计分析方法。处理因子分析的方法提取因子的个数是一个综合选择的过程。默认是按特征根大于1作为因子提取的标准。特征根不是唯一的判断标准。除此特征根，还可以通过累积方差贡献率、碎石图等指标综合判断。如果分析前已经有了预期的维度划分，也可以在分析时主动设定提取因子个数，再根据上面的指标进行调整。因子与对应项关系不一致，一般有三种情况：第一种是一个分析项对应着多个因子；导致题项无法归类；第二种是题项与对应因子的关系出现严重偏差；第三种是题项在各个因子下的载荷系数值或共同度都非常低。
因子分析方法
因子分析是一种多变量化简技术，目的是分解原始变量，从中归纳出潜在的“类别”，相关性较强的指标归为一类，不同类间变量的相关性较低，每一类变量代表了一个“共同因子”，即一种内在结构，因子分析就是要寻找该结构。其分析方法有很多种，最常用的有两种：一是主成分分析方法；另外一种是一般因子分析法。通常所说的因子分析指的就是一般因子分析法，它通过原始变量的方差去构造因子，一般情况下，因子的数量总是要少于变量的数量。所以对于一般因子分析而言，如何正确解释因子将会比主成分分析更困难。因子分析一般可以分成四步：考察变量之间的相关性，判断是否要进行因子分析；进行分析，按一定的标准确定提取的因子数目，一般要求特征值大于1；考察因子的可解释性，并在必要时进行因子旋转，以寻求最佳解释方式；计算出因子得分等中间指标，供进一步分析使用。利用因子分析，可以把搜集到的比较杂乱的原始数据进行压缩，找出最重要的因子，并对其按照成因归类、整理，从中找出几条主线，帮助分析充满度的主要控制因素。本研究中共统计岩性圈闭354个，参与统计分析和计算的圈闭有249个。由于其中的落空圈闭无法参与因子分析及充满度预测模型的建立，因此实际参与分析和预测的岩性油气藏为222个。初步地质分析后，选取平均孔隙度，%；平均渗透率，10-3μm2；排烃强度，104t/km2；与排烃中心的平面距离，km；与排烃中心的垂直距离，m；地层压力系数；砂体厚度，m；砂体面积，km2；有机质丰度，%；围岩厚度，m；平均埋深，m；共11个地质参数进行因子分析。本研究按不同的成藏体系进行，建立其充满度预测模型并进行回代验证。同一成藏体系内的岩性油气藏的生、储、盖、圈、运、保等成藏条件相互影响、相互制约，关系密切，将同一成藏体系中的岩性油气藏又分别划分为构造－岩性、透镜体油气藏进行预测。
