LOFTER-网易轻博

数据标准化

进行数据汇总后，就要对数据进行标准化处理，这是因为有的数据大一点，有的数据小一点，要分析不同数据的关系，就要对数据进行统一处理。

      数据标准化的处理中，使用最广泛的一种标准化方法是z-score标准化，z-score标准化是基于原始数据的均值μ和标准差σ进行的，转换后就可以将原始值转换为统一的均值为0，标准差为1的数据。新得到的标准化数据的意义是“给定数据距离均值相对来说有多少个标准差”，在均值之上的数据会得到一个正的标准化分数，在均值之下的则得到一个负的标准化分数。标准化之后数据就会全部统一起来。

因子分析探索定量数据可以浓缩为几个方面(因子)，每个方面(因子)和题项对应关系；

第一：分析KMO值；如果此值高于0.8，则说明非常适合进行因子分析；如果此值介于0.7~0.8之间，则说明比较适合进行因子分析；如果此值介于0.6~0.7，则说明可以进行因子分析；如果此值小于0.6，说明不适合进行因子分析；

第二：如果Bartlett检验对应p值小于0.05也说明适合进行因子分析；

第三：如果仅两个分析项，则KMO无论如何均为0.5。

上表格针对因子提取情况，以及因子提取信息量情况进行分析，从上表可知：因子分析一共提取出3个因子，特征根值均大于1，此3个因子旋转后的方差解释率分别是26.700%,24.096%,18.968%，旋转后累积方差解释率为69.764%。（提示：如果因子提取个数与预期不符，可在分析时主动设置因子个数）。

使用因子分析目的在于信息浓缩，则忽略“成份得分系数矩阵”表格。如果使用因子分析法进行权重计算，则需要使用“成份得分系数矩阵”建立因子和研究项之间的关系等式（基于标准化后数据建立关系表达式），如下：

因子得分1=0.413*S_获奖年龄+0.264*S_工作年限+0.424*S_最高学历+0.254*S_其他奖项获得情况-0.111*S_知名建筑协会会员数量-0.171*S_任教数量+0.004*S_世界建筑报道次数+0.018*S_书籍和文献数量

因子得分2=0.054*S_获奖年龄+0.494*S_工作年限+0.009*S_最高学历+0.171*S_其他奖项获得情况+0.073*S_知名建筑协会会员数量+0.084*S_任教数量+0.406*S_世界建筑报道次数+0.363*S_书籍和文献数量

因子得分3=0.097*S_获奖年龄-0.061*S_工作年限+0.013*S_最高学历-0.100*S_其他奖项获得情况-0.577*S_知名建筑协会会员数量+0.520*S_任教数量-0.104*S_世界建筑报道次数+0.153*S_书籍和文献数量

因子分析可利用载荷系数信息等进行权重计算，其计算分为三步，分别如下：

第一：计算线性组合系数，公式为：loading矩阵/Sqrt(eigen)，即载荷系数除以对应特征根的平方根；

第二：计算综合得分系数，公式为：累积（线性组合系数*方差解释率）/累积方差解释率，即线性组合系数分别与方差解释率相乘后累加，然后除以累积方差解释率；

第三：计算权重，将综合得分系数进行归一化处理即得到各指标权重值；

第四：上述loading矩阵，特征根eigen，方差解释率或累积方差解释率均为旋转后对应值。