SPSS因子分析實(shí)驗(yàn)報(bào)告

1、.實(shí)驗(yàn)十一（因子分析）報(bào)告一、數(shù)據(jù)來源各地區(qū)年平均收入.sav二、基本結(jié)果（1）考察原有變量是否適合進(jìn)行因子分析首先考察原有變量之間是否存在線性關(guān)系，是否采用因子分析提取因子。借助變量的相關(guān)系數(shù)矩陣、反映像相關(guān)矩陣、巴特利球度檢驗(yàn)和KMO檢驗(yàn)方法進(jìn)行分析，結(jié)果如表1、表2所示：表1原有變量相關(guān)系數(shù)矩陣 correlation matrix表1顯示原有變量的相關(guān)系數(shù)矩陣，可以看出大部分的相關(guān)系數(shù)都比較高，各變量呈較強(qiáng)的線性關(guān)系，能夠從中提取公共因子，適合進(jìn)行因子分析。.表2 KMO and Bartletts Test由表2可知，巴特利特球度檢驗(yàn)統(tǒng)計(jì)量觀測(cè)值為182.913，p值接近0，顯著性差

2、異，可以認(rèn)為相關(guān)系數(shù)矩陣與單位陣有顯著差異，同時(shí)KMO值為0.882，根據(jù)Kaiser給出的KMO度量標(biāo)準(zhǔn)可知原有變量適合進(jìn)行因子分析。（2）提取因子進(jìn)行嘗試性分析：根據(jù)原有變量的相關(guān)系數(shù)矩陣，采用主成分分析法提取因子并選取大于1的特征值。具體結(jié)果見表3：可知，initial一列是因子分析初始解下的共同度，表明如果對(duì)原有7個(gè)變量采用主成分分析法提取所有特征值，那么原有變量的所有方差都可以被解釋，變量的共同度均為1。事實(shí)上，因子個(gè)數(shù)小于原有變量的個(gè)數(shù)才是因子分析的目的，所以不可以提取全部特征值。第二列表明港澳臺(tái)經(jīng)濟(jì)單位、集體經(jīng)濟(jì)單位以及外商投資經(jīng)濟(jì)單位等變量的絕大部分信息（大于83%）可被因子解

3、釋。但聯(lián)營(yíng)經(jīng)濟(jì)、其他經(jīng)濟(jì)丟失較為嚴(yán)重。因此，本次因子提取的總體效果不理想。表3因子分析中的變量共同度（一）重新制定提取特征值的標(biāo)準(zhǔn)，指定提取2個(gè)因子，分析表4：可以看出，此時(shí)所有變量的共同度均較高，各個(gè)變量的信息丟失較少。因此，本次因子提取的總體效果比較理想。表4因子分析的變量共同度（二）表5中，第一列是因子編號(hào)，以后三列組成一組，每組中數(shù)據(jù)項(xiàng)為特征值、方差貢獻(xiàn)率、累計(jì)方差貢獻(xiàn)率。第一組數(shù)據(jù)項(xiàng)（2-4列）描述因子分析初始解的情況。在初始解中由于提取了7個(gè)因子，因此原有變量的總方差均被解釋，累計(jì)方差貢獻(xiàn)率為100%。第二組（5-7列）描述了因子解的情況。由于指定提取2個(gè)因子，2個(gè)因子共解釋原有變量宗法差的84%，總體上丟失原有信息量較少，因子分析效果理想。第三組（8-10列）描述了最終因子解的情況。因子旋轉(zhuǎn)后，總的累計(jì)方差貢獻(xiàn)率沒有發(fā)生改變，也就是沒有影響原有變量的共同度，但卻重新分配了各個(gè)因子的解釋原有變量的方差，改變了各因子方差貢獻(xiàn)，使得因子更易被解釋。表5因子解釋原有變量總方差的情況圖1中，橫坐標(biāo)為因子數(shù)目，縱坐標(biāo)為特征值?？梢钥闯?，第1個(gè)因子特征值