匯入SPSS資料檔並實作因素分析(1)

本文同樣引用王保進教授（2004）在『多變量分析－套裝程式與資料分析』一書中，第三章的資料檔EX3-2.sav來進行因素分析。步驟如下（資料檔同樣置於D:\EX3-2.sav）：

• 載入foreign套件，並且將SPSS資料檔匯入到變數ex3-2中。

ex3_2<-read.spss("EX3-2.sav",to.data.frame=T)

• 計算correlation matrix（相關係數矩陣），並將此矩陣的內容存至corex.csv檔中以及determinant（行列式值），為避免發生遺漏值的狀況，因為在計算前要加上na.omit()函數；同時，也要將讀入資料的第一欄（ID）刪除。

corex<-cor(na.omit(ex3_2[,2:17]))
write.table(corex,"corex.csv",sep=",",col.names=NA)
det(corex)

• 由上述操作的結果可以發現各變項間相關係數小於.3的甚少，同時行列式值8.044e-06也不等於0，表示適合進行因素分析。
• 接下來我們以rela套件中的paf（principal axis factoring）來進行因素分析，並且看看其KMO值、MSA值等等。

pafex<-paf(as.matrix(na.omit(ex3_2[,2:17])))

• 首先以Scree Plot來看看大概會有幾個因素存在，如下圖所示陡線在第三個因素時陡升，故保留3個因素應為合理。

plotuScree(pafex$Eigenvalues[,1])

• 然後看KMO值（.879），已達到『有價值的』（meritorious）標準。

pafex$KMO

• 接下來看看Bartlett's test of sphericity的值（3364.7）。

pafex$Bartlett

• 由以上兩項結果表示資料適合進行因素分析；之後我們來看看各變項的取樣適當性係數，由資料顯示除了RUGGED此一變項係數為.6948較低外，其餘變項之取樣適當性均高，故可考慮刪除此一變項，再進行因素分析，本文先不探討刪除的狀況。

pafex$MSA

• 接下來我們來看看各變項的初始共同性（initial communalities）以及萃取後的共同性（extraction communalities），共同性愈高表示該變項愈適合進行因素分析。

pafex$Communalities