因子得分的岭估计及其相对效率

文章对正交因子分析模型中Bartlett因子得分估计的不足做了改进,损失其无偏性,减小估计的均方误差.并给出了改进后的估计与原估计的相对效率的上界。     

因子分析在国际汽车产业竞争力中的应用

本文阐述了因子分析的基本原理,并借助统计分析软件SAS对世界汽车产业的发展状况进行了数量分析。其中对各因子的经济意义作了详细解释,并在此基础上得出各国发展水平评估的综合排名,同时对国家的汽车产业状况进行了综合评价。     

因子分析在学生成绩分析中的应用

用因子分析对我系01级学生各门课程成绩进行分析,寻找出学生成绩背后隐藏的潜在变量,并将因子得分排序与传统排序进行比较,得到了一些有意义的结果．     

基于因子分析的云南工业产业结构的实证研究

结合实际,运用多元统计分析中的因子分析方法对2009年云南省工业产业经济结构指标的样本数据进行了分析处理,然后概括了规模、市场和效益三个因子,从而建立了云南省工业产业经济结构的综合量化模型并完成了其主要特征的统计分析和经济意义的解释;最后为云南工业产业经济结构进一步优化调整、稳定发展提供重要的量化参考依据。     

对高校教师教学质量评估的因子分析

本文首先采用多元统计中的主成分分析法提取因子,然后运用因子分析法,对大学教师的综合水平进行评价,通过分析得出的结果,不仅可以对教师在某个方面的能力进行分析评价,而且对教师的综合水平也能进行很好的度量,这对于每位教师发现自己的不足,确定自己的发展方向都是很有利的.     

基于因子分析的安徽城市经济综合实力评价

改革开放以来,安徽省经济取得了长足的发展.经济总体发展达到全国中等水平,但是也存在着区域之间的发展不均衡问题,客观认识和正确地估价地区经济发展的现状,对于选择正确的发展方式,调整产业结构与协调地区发展差距具有重要的意义.我们选取了12项指标,运用spss16.0对统计数据进行处理,然后根据17个地级市的综合得分对其进行评价,得出区域经济总体发展不平衡,产业发展也不平衡,所以要通过调整产业结构,优化发展方式,实现区域经济协调发展.     

来华旅游影响因素的因子分析

为研究来华旅游的影响因素,选取了12个国家和9个影响因素进行因子分析,得出3个公共因子：F1“非景点自身条件”因子,方差贡献率为47．879％占首位;F2“服务设施”因子,方差贡献率为22．678％占第二位;F3“景点人文交通”因子,方差贡献率为15．720％占第三位．计算了各国因子得分,得出日本和加拿大受“非景点自身条件”影响最大,挪威较小;日本和韩国受“服务设施”影响最大,波兰较小;加拿大和英国受“景点人文交通”影响最大,韩国较小;而法国受此三个因子影响均较小．     

借助SPSS软件的成绩因子分析

文中利用SPSS软件对学生的成绩进行因子分析,提取了七个因子,计算各自得分和综合得分及其排名,用这种方法计算学生成绩能够更加全面、合理地评价学生.     

基于因子分析的河北省城镇居民消费进展因子的研究

根据河北省城镇居民消费结构的实证分析,确定交通通信、衣着和医疗保健为未来的消费热点,采用因子分析法分析对三类消费点的进展因子进行分析,得出影响这三类进展因子的因子,分别是发展生活因子、享受生活因子、信息生活因子和时尚生活因子,并且在进展因子的旋转矩阵和得分系数矩阵基础上分析了进展因子的因子强弱和得分,在此基础上为培育消费热点建议:河北省加强刺激信息和享受因子发挥作用的优惠政策,促进交通通信热点的形成;对刺激时尚生活因子发挥作用的政策保持不变;加大刺激健康生活因子发挥作用的优惠政策,促进医疗保健热点的形成。     

因子分析的一个简单应用

文中搜集了对我国31个省市2008年农村发展状况相关的10个变量(中国统计年鉴2008),利用因子分析,对31个省市农村发展的综合得分进行排序后,对这些结果分析并提出合理的建议。     

Improving Factor Score Estimation Through the Use of Observed Background Characteristics

A challenge facing nearly all studies in the psychological sciences is how to best combine multiple items into a valid and reliable score to be used in subsequent modeling. The most ubiquitous method is to compute a mean of items, but more contemporary approaches use various forms of latent score estimation. Regardless of approach, outside of large-scale testing applications, scoring models rarely include background characteristics to improve score quality. This article used a Monte Carlo simulation design to study score quality for different psychometric models that did and did not include covariates across levels of sample size, number of items, and degree of measurement invariance. The inclusion of covariates improved score quality for nearly all design factors, and in no case did the covariates degrade score quality relative to not considering the influences at all. Results suggest that the inclusion of observed covariates can improve factor score estimation.     

基于因子分析和变权综合的学习绩评价方法

结合因子分析和变权综合,提出了一种学习成绩评价方法.并对某班级学生考试成绩进行实证分析,实验表明：该方法可以有效挖掘出影响学生学习成绩的能力因子,对能力因子的变权综合可以得到科学的排名,能客观反映学生各方面能力均衡发展的情况.     

基于EXCEL平台的成绩录入及统计分析

EXCEL电子表格软件以其强大的数据处理功能,对教学、科研、管理等数据统计有着重要的作用．作者通过对EXCEL函数的研究,以及多年的工作经验,研究出了行之有效的、非常实用的成绩的录入及统计的方法,以提高工作效率．     

基于SPSS统计软件的因子分析法及实证分析

本文论述了多元统计分析中的因子分析方法,以及SPSS软件应用时的正确操作步骤,并借助于SPSS 17.0 for Windows统计软件进行实证分析.     

主成分分析、因子分析、聚类分析的比较与应用

主成分分析、因子分析、聚类分析是三种比较有价值的多元统计方法,但同时也是在使用过程中容易误用或混淆的几种方法。本文从基本思想、数据的标准化、应用上的优缺点等方面,详细地探讨了三者的异同,并且举例说明了三者在实际问题中的应用。     

多元统计分析在大学成绩分析中的应用

运用多元统计中的因子分析法,对大学生的几门主要学科成绩进行了统计分析,得到了既能反映学生个性特点,又能对学生进行综合评价的方法。     

决策树方法在学生成绩分析中的应用

决策树方法是数据挖掘技术中一个活跃的研究领域,该文采用决策树方法对学生成绩进行分析,以快速找到影响学生成绩的原因,有利于提高教学质量．     

因子分析法在宁夏区县经济评析中的应用

运用因子分析法,通过统计软件SPSS,将反映经济发展的10个指标综合成4个因子,利用因子得分对2009年宁夏19个区县按经济发展情况进行排序和分类.结果表明,宁夏各地区经济发展存在着明显的不平衡,北部川区好于南部山区.最后给出几点建议.     

Generalized Linear Factor Score Regression: A Comparison of Four Methods

Factor score regression has recently received growing interest as an alternative for structural equation modeling. However, many applications are left without guidance because of the focus on normally distributed outcomes in the literature. We perform a simulation study to examine how a selection of factor scoring methods compare when estimating regression coefficients in generalized linear factor score regression. The current study evaluates the regression method and the correlation-preserving method as well as two sum score methods in ordinary, logistic, and Poisson factor score regression. Our results show that scoring method performance can differ notably across the considered regression models. In addition, the results indicate that the choice of scoring method can substantially influence research conclusions. The regression method generally performs the best in terms of coefficient and standard error bias, accuracy, and empirical Type I error rates. Moreover, the regression method and the correlation-preserving method mostly outperform the sum score methods.