spss案例分析報(bào)告報(bào)告材料---詳細(xì)演示

1、實(shí)用標(biāo)準(zhǔn)文案spss 案例分析 - 詳細(xì)演示1 研究問(wèn)題石家莊 18 個(gè)縣市 14 個(gè)指標(biāo)因子，具體來(lái)說(shuō)有人均 GDP（元/ 人）、人均全社會(huì)固定資產(chǎn)投資額、人均城鎮(zhèn)固定資產(chǎn)投資額、人均一般預(yù)算性財(cái)政收入、第三產(chǎn)業(yè)占GDP比重 （%）、人均社會(huì)消費(fèi)品零售額、 人均實(shí)際利用外資額 （萬(wàn)美元 / 人）、人均城鄉(xiāng)居民儲(chǔ)蓄存款、 農(nóng)民 人均純收入、在崗職工平均工資、人才密度指數(shù)、科技支出占財(cái)政支出比重（%）、每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量、每千人擁有病床數(shù)。要求根據(jù)這 14 項(xiàng)內(nèi)容進(jìn)行因子分析，得到維度較少的幾個(gè)因子。2 實(shí)現(xiàn)步驟1】在“ Analyze ”菜單Data Reduction中選擇“ Facto

2、r ”命令，如下圖所示?！?2】在彈出的下圖所示的 Factor Analysis 對(duì)話框中，從對(duì)話框左側(cè)的變量列 表中選擇這 14 個(gè)變量，使之添加到 Variables 框中。精彩文檔實(shí)用標(biāo)準(zhǔn)文案【 3】點(diǎn)擊“ Descriptives ”按鈕，彈出“ Factor Analysis ：Descriptives 話框，如圖所示。Statistics 框用于選擇哪些相關(guān)的統(tǒng)計(jì)量，其中：Univariate descriptives（變量描述）： 輸出變量均值、標(biāo)準(zhǔn)差；Initial solution（初始結(jié)果）Correlation Matrix 框中提供了幾種檢驗(yàn)變量是否適 合做引子分析的

3、檢驗(yàn)方法， 其中：Coefficients （ 相關(guān)系數(shù)矩陣） Significance leves （顯著性水平） Determinant （相關(guān)系數(shù)矩陣的行列式） Inverse （相關(guān)系數(shù)矩陣的逆矩陣）KMO檢驗(yàn)和巴特利特球形檢Reproduced （再生相關(guān)矩陣，原始相關(guān)與再生相關(guān)的差值） Anti-image （反影像相關(guān)矩陣檢驗(yàn)） KMO and Bartlett s test of sphericity精彩文檔實(shí)用標(biāo)準(zhǔn)文案驗(yàn)）本例中，選中該對(duì)話框中所有選項(xiàng)，單擊 Continue 按鈕返回 Factor Analysis 對(duì)話框?！?4】單擊“Extraction ”按鈕，彈出“

4、 Factor Analysis ：Extraction ”對(duì)話框， 選擇因子提取方法，如下圖所示：因子提取方法在 Method下拉框中選取， SPSS共提供了 7 種方法：Principle Components Analysis（主成分分析）Unweighted least squares （未加權(quán)最小平方法）Generalized least squares（綜合最小平方法）Maximum likelihood （最大似然估價(jià)法）Principal axis factoring（主軸因子法）Alpha factoring （因子）Image factoring （影像因子）Analyze

5、 框中用于選擇 提取變量依據(jù)，其中：Correlation matrix （相關(guān)系數(shù)矩陣）Covariance matrix （協(xié)方差矩陣）Extract 框用于指定因子個(gè)數(shù)的標(biāo)準(zhǔn)，其中：Eigenvaluse over （大于特征值）Number of factors （因子個(gè)數(shù)）Display 框用于選擇輸出哪些與因子提取有關(guān)的信息，其中：Unrotated factor solution （未經(jīng)旋轉(zhuǎn)的因子載荷矩陣）Screen plot （特征值排列圖）Maximun interations for Convergence框用于指定因子分析收斂 的最大迭代次數(shù)，系統(tǒng)默認(rèn)的最大迭代次數(shù)為

6、25。本例選用 Principal components 方法，選擇相關(guān)系數(shù)矩陣作為提取因子變量的 依據(jù)，選中 Unrotated factor solution和 Scree plot 項(xiàng)，輸出未經(jīng)過(guò)旋轉(zhuǎn)的精彩文檔實(shí)用標(biāo)準(zhǔn)文案因子載荷矩陣與其特征值的碎石圖；選擇 Eigenvaluse over 項(xiàng)，在該選項(xiàng)后面 可以輸入 1，指定提取特征值大于 1 的因子。單擊 Continue 按鈕返回 Factor Analysis 對(duì)話框?！?5】單擊 Factor Analysis 對(duì)話框中的 Rotation 按鈕，彈出 Factor Analysis: Rotation 對(duì)話框，如下圖所示：該

7、對(duì)話框用于選擇因子載荷矩陣的旋轉(zhuǎn)方法。 旋轉(zhuǎn)目的是為了簡(jiǎn)化結(jié)構(gòu)， 以 幫助我們解釋因子。 SPSS默認(rèn)不進(jìn)行旋轉(zhuǎn)（ None）。Method 框用于選擇因子旋轉(zhuǎn)方法，其中：None（不旋轉(zhuǎn)）Varimax （正交旋轉(zhuǎn)）Direct Oblimin （直接斜交旋轉(zhuǎn)）Quanlimax（四分最大正交旋轉(zhuǎn)）Equamax（平均正交旋轉(zhuǎn)）Promax（斜交旋轉(zhuǎn)）Display 框用于選擇輸出哪些與因子旋轉(zhuǎn)有關(guān)的信息，其中：Rotated solution （ 輸出旋轉(zhuǎn)后的因子載荷矩陣）Loading plots （ 輸出載荷散點(diǎn)圖）本例選擇方差極大法旋轉(zhuǎn) Varimax，并選中 Rotated sol

8、ution 和 Loading plot 項(xiàng)，表示輸出旋轉(zhuǎn)后的因子載荷矩陣和載荷散點(diǎn)圖，單擊 Continue 按鈕返 回 Factor Analysis 對(duì)話框?！?6】單擊 Factor Analysis 對(duì)話框中的 Scores 按鈕，彈出 Factor Analysis: Scores 對(duì)話框，如下圖所示：精彩文檔實(shí)用標(biāo)準(zhǔn)文案該對(duì)話框用以選擇對(duì)因子得分進(jìn)行設(shè)置，其中：Regression （回歸法）： 因子得分均值為 0，采用多元相關(guān)平方；Bartlett （巴特利法）：因子得分均值為 0，采用超出變量范圍各因子平方 和被最小化；Anderson-Rubin （安德森 - 洛賓法）：因

9、子得分均值為 0，標(biāo)準(zhǔn)差 1，彼此不 相關(guān)；Display factor score coefficient matrix：選擇此項(xiàng)將在輸出窗口中顯示因子得分系數(shù)矩陣?！?7】單擊 Factor Analysis 對(duì)話框中的 Options 按鈕，彈出 Factor Analysis: Options 對(duì)話框，如下圖所示：該對(duì)話框可以指定其他因子分析的結(jié)果，并選擇對(duì)缺失數(shù)據(jù)的處理方法， 其中：Missing Values 框用于選擇缺失值處理方法：Exclude cases listwise ： 去除所有缺失值的個(gè)案Exclude cases pairwise ：含有缺失值的變量，去掉該案例R

10、eplace with mean ：用平均值代替缺失值精彩文檔實(shí)用標(biāo)準(zhǔn)文案Cofficient Display Format框用于選擇載荷系數(shù)的顯示格式：Sorted by size ：載荷系數(shù)按照數(shù)值大小排列Suppress absolute values less than ：不顯示絕對(duì)值小于指定值的載荷量 本例選中 Exclude cases listwise 項(xiàng)，單擊 Continue 按鈕返回 Factor Analysis 對(duì)話框，完成設(shè)置。單擊 OK，完成計(jì)算。3 結(jié)果與討論（1）SPSS輸出的第一部分如下： 第一個(gè)表格中列出了 18 個(gè)原始變量的統(tǒng)計(jì)結(jié)果，包括平均值、標(biāo)準(zhǔn)差和分

11、 析的個(gè)案數(shù)。 這個(gè)是步驟 3 中選中 Univariate descriptives 項(xiàng)的輸出結(jié)果Descriptive StatisticsMeanStd. DeviationAnalysis N人均 GDP（元/ 人 ）22600.52118410.5546418人均全社會(huì)固定資產(chǎn)投資額15190.95155289.1449918人均城鎮(zhèn)固定資產(chǎn)投資額10270.36424874.1461618人均一般預(yù)算性財(cái)政收入585.1712550.4565918第三產(chǎn)業(yè)占 GDP比重 （%）29.06129.4685818人均社會(huì)消費(fèi)品零售額6567.25663068.7546318人均實(shí)際利用

12、外資額 （萬(wàn)美元 /23.566740.3136118人）人均城鄉(xiāng)居民儲(chǔ)蓄存款12061.23847363.0865918農(nóng)民人均純收入4852.55561202.5297018在崗職工平均工資18110.38892374.0575418人才密度指數(shù)8.15485.3755218科技支出占財(cái)政支出比重（ %）1.3494.5019318每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量12.68838.8869118每千人擁有病床數(shù)2.36081.16077182）SPSS輸出結(jié)果文件中的第二部分如下：該表格給出的 是 18 個(gè)原始變量的相關(guān)矩陣Correlation Matrix人均 GDP（元/ 人）人均全社會(huì)固定

13、資產(chǎn)投資額人均城鎮(zhèn)固定資 產(chǎn)投資額Correlation人均 GDP（元/ 人）1.000.503.707人均全社會(huì)固定資產(chǎn)投資額.5031.000.883精彩文檔實(shí)用標(biāo)準(zhǔn)文案人均城鎮(zhèn)固定資產(chǎn)投資額.707.8831.000人均一般預(yù)算性財(cái)政收入.776.571.821第三產(chǎn)業(yè)占 GDP比重 （%）.567.507.759人均社會(huì)消費(fèi)品零售額.737.247.600人均實(shí)際利用外資額 （萬(wàn)美元 /.454.356.648人）人均城鄉(xiāng)居民儲(chǔ)蓄存款.707.480.780農(nóng)民人均純收入.559-.073.130在崗職工平均工資.789.325.544人才密度指數(shù).741.470.737科技支出占財(cái)

14、政支出比重（ %）.582.378.486每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量.434.520.733每千人擁有病床數(shù).573.565.761Correlation Matrix人均一般預(yù)算性 財(cái)政收入第三產(chǎn)業(yè)占 GDP 比重 （%）人均社會(huì)消費(fèi)品 零售額Correlation人均 GDP（元 / 人 ）人均全社會(huì)固定資產(chǎn)投資額 人均城鎮(zhèn)固定資產(chǎn)投資額 人均一般預(yù)算性財(cái)政收入 第三產(chǎn)業(yè)占 GDP比重 （%） 人均社會(huì)消費(fèi)品零售額 人均實(shí)際利用外資額 （萬(wàn)美元 / 人） 人均城鄉(xiāng)居民儲(chǔ)蓄存款 農(nóng)民人均純收入 在崗職工平均工資 人才密度指數(shù) 科技支出占財(cái)政支出比重（ %） 每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量 每千人擁有病床

15、數(shù).776.571.8211.000.830.693.797.907.132.736.795.729.818.911.567.507.759.8301.000.646.822.882.278.548.745.575.844.806.737.247.600.693.6461.000.616.839.516.609.812.490.627.629Correlation Matrix精彩文檔實(shí)用標(biāo)準(zhǔn)文案人均實(shí)際利用外 資額（萬(wàn)美元 / 人）人均城鄉(xiāng)居民儲(chǔ) 蓄存款農(nóng)民人均純收入Correlation人均 GDP（元 / 人 ）人均全社會(huì)固定資產(chǎn)投資額 人均城鎮(zhèn)固定資產(chǎn)投資額 人均一般預(yù)算性財(cái)政收入 第

16、三產(chǎn)業(yè)占 GDP比重 （%） 人均社會(huì)消費(fèi)品零售額 人均實(shí)際利用外資額 （萬(wàn)美元 / 人） 人均城鄉(xiāng)居民儲(chǔ)蓄存款 農(nóng)民人均純收入 在崗職工平均工資 人才密度指數(shù) 科技支出占財(cái)政支出比重（ %） 每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量 每千人擁有病床數(shù).454.356.648.797.822.6161.000.792-.007.388.752.570.795.784.707.480.780.907.882.839.7921.000.264.647.868.626.885.866.559-.078.516-.007.2641.000.411.315.210-.075.000Correlat

17、ion MatrixCorrelation人均 GDP（元 / 人 ）人均全社會(huì)固定資產(chǎn)投資額 人均城鎮(zhèn)固定資產(chǎn)投資額 人均一般預(yù)算性財(cái)政收入 第三產(chǎn)業(yè)占 GDP比重 （%） 人均社會(huì)消費(fèi)品零售額 人均實(shí)際利用外資額 （萬(wàn)美元 / 人） 人均城鄉(xiāng)居民儲(chǔ)蓄存款 農(nóng)民人均純收入 在崗職工平均工資 人才密度指數(shù) 科技支出占財(cái)政支出比重（ %）在崗職工平均工 資人才密度指數(shù)科技支出占財(cái)政支出比重（ %）.789.741.582.325.470.378.544.737.486.736.795.729.548.745.575.609.812.490.388.752.570.647.868.626.411.

18、315.2101.000.539.421.5391.000.577.421.5771.000精彩文檔實(shí)用標(biāo)準(zhǔn)文案每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量.477.739.519每千人擁有病床數(shù).575.719.769Correlation Matrix每萬(wàn)人擁有執(zhí)業(yè) 醫(yī)師數(shù)量每千人擁有病床 數(shù)Correlation人均 GDP（元 / 人 ）人均全社會(huì)固定資產(chǎn)投資額 人均城鎮(zhèn)固定資產(chǎn)投資額 人均一般預(yù)算性財(cái)政收入 第三產(chǎn)業(yè)占 GDP比重 （%） 人均社會(huì)消費(fèi)品零售額 人均實(shí)際利用外資額 （萬(wàn)美元 / 人） 人均城鄉(xiāng)居民儲(chǔ)蓄存款 農(nóng)民人均純收入 在崗職工平均工資 人才密度指數(shù) 科技支出占財(cái)政支出比重（ %） 每萬(wàn)

19、人擁有執(zhí)業(yè)醫(yī)師數(shù)量 每千人擁有病床數(shù).434.520.733.818.844.627.795.885-.075.477.739.5191.000.912.573.565.761.911.806.629.784.866.000.575.719.769.9121.0003）SPSS輸出結(jié)果的第四部分如下：KMO and Bartletts TestKaiser-Meyer-Olkin Measure.551of Sampling Adequacy.BartlettsTest of Approx. Chi-Square324.227Sphericitydf91Sig.000該部分給出了 KMO檢驗(yàn)和

20、 Bartlett 球度檢驗(yàn)結(jié)果。其中 KMO值為 0.551 ， 根據(jù)統(tǒng)計(jì)學(xué)家 Kaiser 給出的標(biāo)準(zhǔn)， KMO取值小于 0.6 ，不太適合因子分析。 Bartlett 球度檢驗(yàn)給出的相伴概率為 0.00 ，小于顯著性水平 0.05 ，因此拒絕 Bartlett 球度檢驗(yàn)的零假設(shè)，認(rèn)為適合于因子分析。精彩文檔實(shí)用標(biāo)準(zhǔn)文案4）SPSS輸出結(jié)果文件中的第六部分如下：CommunalitiesInitialExtraction人均 GDP（元/ 人 ）1.0001.000人均全社會(huì)固定資產(chǎn)投資額1.0001.000人均城鎮(zhèn)固定資產(chǎn)投資額1.0001.000人均一般預(yù)算性財(cái)政收入1.0001.00

21、0第三產(chǎn)業(yè)占 GDP比重 （%）1.0001.000人均社會(huì)消費(fèi)品零售額1.0001.000人均實(shí)際利用外資額 （萬(wàn)美元 /1.0001.000人）人均城鄉(xiāng)居民儲(chǔ)蓄存款1.0001.000農(nóng)民人均純收入1.0001.000在崗職工平均工資1.0001.000人才密度指數(shù)1.0001.000科技支出占財(cái)政支出比重（ %）1.0001.000每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量1.0001.000每千人擁有病床數(shù)1.0001.000Extraction Method: Principal Component Analysis.這是因子分析初始結(jié)果，該表格的第一列列出了 18 個(gè)原始變量名；第二列 是根據(jù)因子分析

22、初始解計(jì)算出的變量共同度。利 用主成分分析方法得到 18 個(gè)特 征值，它們是銀子分析的初始解 ，可利用這 18 個(gè)出世界和對(duì)應(yīng)的特征向量計(jì)算 出銀子載荷矩陣。 由于每個(gè)原始變量的所有方差都能被因子變量解釋掉， 因此每 個(gè)變量的共同度為 1；第三列是根據(jù)因子分析最終解計(jì)算出的變量共同度。根據(jù) 最終提取的 m個(gè)特征值和對(duì)應(yīng)的特征向量計(jì)算出因子載荷矩陣。 （此處由于軟件 的原因有點(diǎn)小問(wèn)題） 這時(shí)由于因子變量個(gè)數(shù)少于原始變量的個(gè)數(shù)，因此每個(gè)變量的共同度必然小于 1。（ 5）輸出結(jié)果第六部分為 Total Variance Explained 表格Total Variance ExplainedComp

23、one ntInitial EigenvaluesTotal% of VarianceCumulative %19.13965.27921.71812.26931.0147.2404.6594.7065.5363.827精彩文檔實(shí)用標(biāo)準(zhǔn)文案6.3612.5777.2581.8448.133.9529.077.54910.049.34911.031.22412.020.14013.005.03814.001.005100.000Extraction Method: Principal Component Analysis.Total Variance ExplainedCompone ntIni

24、tialEigenvaluesExtraction Sums of Squared LoadingsCumulative %Total% of VarianceCumulative %165.2799.13965.27965.279277.5481.71812.26977.548384.7881.0147.24084.788489.494.6594.70689.494593.321.5363.82793.321695.898.3612.57795.898797.743.2581.84497.743898.695.133.95298.695999.244.077.54999.2441099.59

25、3.049.34999.5931199.817.031.22499.8171299.958.020.14099.9581399.995.005.03899.995Extraction Method: Principal Component Analysis.Total Variance ExplainedCompone ntRotation Sums of Squared LoadingsTotal% of VarianceCumulative %14.79434.24234.24222.26216.15850.40031.84613.18863.58741.57111.22274.809精彩

26、文檔實(shí)用標(biāo)準(zhǔn)文案51.54811.06085.8696.8446.02891.8987.5674.04895.9468.2731.94897.8949.131.93898.83210.068.48299.31411.046.32999.64312.035.25299.89513.014.10099.995Extraction Method: Principal Component Analysis.該表格是因子分析后因子提取和銀子旋轉(zhuǎn)的結(jié)果。其中， Component 列和Initial Eigenvalues 列（第一列到第四列）描述了因子分析初始解對(duì)原有變量 總體描述情況。第一列是因子分析

27、 13 個(gè)初始解序號(hào)。 第二列是因子變量的方差 貢獻(xiàn)（特征值），它是衡量因子重要程度的指標(biāo)，例如第一行的特征值為 9.139 ， 后面描述因子的方差依次減少。第三列是各因子變量的方差貢獻(xiàn)率（ % of Variance ），表示該因子描述的方差占原有變量總方差的比例。第四列是因子變 量的累計(jì)方差貢獻(xiàn)率，表示前 m 個(gè)因子描述的總方差占原有變量的總方差的比 例。第五列和第七列則是從初始解中按照一定標(biāo)準(zhǔn) （在前面的分析中是設(shè)定了提 取因子的標(biāo)準(zhǔn)是特征值大于 1）提取了 3 個(gè)公共因子后對(duì)原變量總體的描述情況。 各列數(shù)據(jù)的含義和前面第二列到第四列相同， 可見(jiàn)提取了 5 個(gè)因子后，它們反映 了原變量的

28、大部分信息。 第八列到第十列是旋轉(zhuǎn)以后得到的因子對(duì)原變量總體的 刻畫情況。各列的含義和第五列到第七列是一樣的。（6）SPSS輸出的該部分的結(jié)果如下：Component Matrix aComponent123456人均一般預(yù)算性財(cái)政收入.959-.075.015.158-.140-.023人均城鄉(xiāng)居民儲(chǔ)蓄存款.959.008-.154-.107-.039.001每千人擁有病床數(shù).910-.272-.089.204-.051.040第三產(chǎn)業(yè)占 GDP比重 （%）.890-.087-.137-.141.067.373人才密度指數(shù).886.098-.098-.179.151-.259人均城鎮(zhèn)固定資產(chǎn)

29、投資額.868-.162.404-.183.078.006每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量.861-.362-.183-.137-.115.069人均實(shí)際利用外資額 （萬(wàn)美元 /.815-.271-.346-.079.064-.012人）人均社會(huì)消費(fèi)品零售額.805.370-.218-.203.026-.223人均 GDP（元/ 人）.797.458.282.099-.029-.163科技支出占財(cái)政支出比重（ %）.712.000-.097.621.302-.008精彩文檔實(shí)用標(biāo)準(zhǔn)文案在崗職工平均工資.706.386.158.145-.531.080農(nóng)民人均純收入.271.887-.002-.088.2

30、45.253人均全社會(huì)固定資產(chǎn)投資額.611-.328.690-.074.163.028Extraction Method: Principal Component Analysis.a. 13 components extracted.該表格是最終的因子載荷矩陣 A，對(duì)應(yīng)前面的因子分析的數(shù)學(xué)模型部分。根據(jù)該 表格可以得到如下因子模型：X=AF+ax1=0.959F1-0.075F 2+0.015F3+0.158F4-0.140F 5-0.023F 6-0.096F 7+0.017F8-0.117F 9+0.004F10-0.062F 11-0.040 F 12+0.021 F 13Compo

31、nent Matrix aComponent7891011人均一般預(yù)算性財(cái)政收入-.096.017-.117.004-.062人均城鄉(xiāng)居民儲(chǔ)蓄存款.109-.022-.134-.073-.016每千人擁有病床數(shù).158.034.061.106-.046第三產(chǎn)業(yè)占 GDP比重 （%）-.079-.039-.044-.049.036人才密度指數(shù)-.066-.252.066-.017-.035人均城鎮(zhèn)固定資產(chǎn)投資額-.024.094.001.015-.087每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量.200-.081.015.073.061人均實(shí)際利用外資額 （萬(wàn)美元 /-.330.115.080.021.023人）人

32、均社會(huì)消費(fèi)品零售額.177.191.035-.054.027人均 GDP（元/ 人）-.116-.005-.101.094.081科技支出占財(cái)政支出比重（ %）.046-.005.023-.059.014在崗職工平均工資-.042-.032.110-.058.000農(nóng)民人均純收入.036-.006.039.053-.030人均全社會(huì)固定資產(chǎn)投資額.044.006.055-.045.050Extraction Method: Principal Component Analysis.a. 13 components extracted.Component1213人均一般預(yù)算性財(cái)政收入-.040.

33、021人均城鄉(xiāng)居民儲(chǔ)蓄存款.089-.015Component Matrix a精彩文檔實(shí)用標(biāo)準(zhǔn)文案每千人擁有病床數(shù)-.004-.042第三產(chǎn)業(yè)占 GDP比重 （%）-.066-.019人才密度指數(shù)-.019-.006人均城鎮(zhèn)固定資產(chǎn)投資額-.004.018每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量.008.040人均實(shí)際利用外資額 （萬(wàn)美元 /.046.003人）人均社會(huì)消費(fèi)品零售額-.044-.001人均 GDP（元/ 人）-.003-.011科技支出占財(cái)政支出比重（ %）.002.016在崗職工平均工資.011.002農(nóng)民人均純收入.028.011人均全社會(huì)固定資產(chǎn)投資額.017-.006Extractio

34、n Method: Principal Component Analysis.a. 13 components extracted.（7）SPSS輸出的該部分的結(jié)果如下： 該表格是按照前面設(shè)定的方差極大法對(duì)因子載荷矩陣旋轉(zhuǎn)后的結(jié)果。 未經(jīng)過(guò)旋轉(zhuǎn) 的載荷矩陣中，因子變量在許多變量上都有較高的載荷。經(jīng)過(guò)旋轉(zhuǎn)之后， 第一個(gè)因子含義略加清楚，基本上放映了 “每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量” 、“第 三產(chǎn)業(yè)占 GDP比重 （%）”、“人均實(shí)際利用外資額 （萬(wàn)美元 / 人）”；第二個(gè)因子基本上反映了 “人 均全社會(huì)固定資產(chǎn)投資額” 、“人均城鎮(zhèn)固定資產(chǎn)投資額” ；第三個(gè)因子反映了“在崗職工平 均工資”Rotate

35、d Component Matrix aComponent123456每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量.877.278.182.163-.125.181第三產(chǎn)業(yè)占 GDP比重 （%）.861.261-.010人均實(shí)際利用外資額 （萬(wàn)美元 /.8042-.047.142人）人均城鄉(xiāng)居民儲(chǔ)蓄存款.767.255.3011每千人擁有病床數(shù).718.316.284.477-.082.165人均一般預(yù)算性財(cái)政收入.636.338.475.392.018.153人均全社會(huì)固定資產(chǎn)投資額.220.953.113.146-.063.002人均城鎮(zhèn)固定資

36、產(chǎn)投資額.500.796.177在崗職工平均工資.288.161.807人均 GDP（元/ 人）.198.386.559.290.429.246科技支出占財(cái)政支出比重（ %）.395.127.077農(nóng)民人均純收入-.012-.044.187.063.972.105精彩文檔實(shí)用標(biāo)準(zhǔn)文案人均社會(huì)消費(fèi)品零售額.498.101.285.156.396.663人才密度指數(shù).583.229.291Extraction Method: Principal Component Analysis.Rotation M

37、ethod: Varimax with Kaiser Normalization.a. Rotation converged in 7 iterations.Component7891011每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量.105-.121-.004.089-.060第三產(chǎn)業(yè)占 GDP比重 （%）.030.069-4.382E-5-.131.033人均實(shí)際利用外資額 （萬(wàn)美元 /.174.458.036-.007.009人）人均城鄉(xiāng)居民儲(chǔ)蓄存款.175-.040.072-.031.031每千人擁有病床數(shù).036-.030-.001.197.015人均一般預(yù)算性財(cái)政收入.139.097.153-.009.

38、155人均全社會(huì)固定資產(chǎn)投資額.056-.017.003-.015-.048人均城鎮(zhèn)固定資產(chǎn)投資額.114.100.048.044.117在崗職工平均工資.046.002-.031.007-.007人均 GDP（元/ 人）.255.099.310.001.009科技支出占財(cái)政支出比重（ %）.084.046.018-.013-.001農(nóng)民人均純收入.049-.009.004-.007.003人均社會(huì)消費(fèi)品零售額.189.056.027.013.006人才密度指數(shù).587.081.032.003.006aRotated Component MatrixExtraction Method: Pri

39、ncipal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 7 iterations.Rotated Component Matrix aComponent1213每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量-.034-.083第三產(chǎn)業(yè)占 GDP比重 （%）-.034.083人均實(shí)際利用外資額 （萬(wàn)美元 / 人）-.003.003人均城鄉(xiāng)居民儲(chǔ)蓄存款.173-9.035E-5每千人擁有病床數(shù)-.031.007精彩文檔實(shí)用標(biāo)準(zhǔn)文案人均一般預(yù)算性財(cái)政收入.036.015人均全社

40、會(huì)固定資產(chǎn)投資額-.005.000人均城鎮(zhèn)固定資產(chǎn)投資額.023.000在崗職工平均工資.000.000人均 GDP（元/ 人）.011-.001科技支出占財(cái)政支出比重（ %）.006.000農(nóng)民人均純收入.005.003人均社會(huì)消費(fèi)品零售額-.002-.001人才密度指數(shù).006.000Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 7 iterations.（8）SPSS輸出的該部分的結(jié)果如下

41、：該部分輸出的是因子轉(zhuǎn)換矩陣， 表明了因子提取的方法是主成分分析， 旋轉(zhuǎn)的方 法是方法極大法。Component Transformation MatrixCompone nt12345671.685.392.366.3872-.330-.259.348-.028.805.195.0943-.467.826.213-.101.015-.161-.0544-.273-.174.241.850-.169-.229-.1685-.057.236-.782.371.379.012.1686.330.022-.013-.075.365-.601-.5647.022.040-.12

42、3.089.020.402-.2278-.064.081-.052.014-.010.509-.7079-.074.049.089.021.027.011.11210.070-.028-.065-.070.096-.176-.01811.028.001.006.002-.033.068-.11812.008.015.004-.008.044-.101-.03713.002.002-.001.015.013-.007-.019Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser N

43、ormalization.精彩文檔實(shí)用標(biāo)準(zhǔn)文案Component Transformation MatrixCompone nt89101112131.072.063.014.029.016.0032-.017.069-.042.003.017.0113-.101.071-.002.013-.003.0034-.030.046.049.008-.014.0045.119.004-.064-.015-.008.0256-.121-.194-.109.001-.052.0747-.804-.202.224-.122.020-.0948.451.047.073.130-.002.0319.283-.

44、723.309-.346-.383-.07810.023.500.751-.016-.309-.18611.000.354-.375-.793-.271-.10712.157-.054.241-.373.806-.33313.005-.054-.257.281-.174-.906Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.9) SPSS輸出的該部分的結(jié)果如下：精彩文檔實(shí)用標(biāo)準(zhǔn)文案該部分是載荷散點(diǎn)圖， 這里為 3 個(gè)因子的三維因子載荷散點(diǎn)圖，

45、以三個(gè)因子為坐 標(biāo)，給出各原始變量在該坐標(biāo)中的載荷散點(diǎn)圖， 該圖是旋轉(zhuǎn)后因子載荷矩陣的圖 形化表示方式。如果因子載荷比較復(fù)雜，則通過(guò)該圖則較容易解釋。10）SPSS輸出的該部分的結(jié)果如下：Component Score Coefficient MatrixComponent123456人均 GDP元（ / 人 ）-.054.003.100-.090.046-.083人均全社會(huì)固定資產(chǎn)投資額-.237.814-.049.044-.064.141人均城鎮(zhèn)固定資產(chǎn)投資額-.115.520-.158-.164.205.065人均一般預(yù)算性財(cái)政收入.045-.143.164.148-.191-.083第

46、三產(chǎn)業(yè)占 GDP比重 （%）.522-.062-.111-.161.088-.193人均社會(huì)消費(fèi)品零售額-.217.017-.092.033-.1942.033人均實(shí)際利用外資額 （萬(wàn)美元 /.198-.063-.026-.105.057-.231人）人均城鄉(xiāng)居民儲(chǔ)蓄存款.251-.056-.057-.091.018-.055農(nóng)民人均純收入.125.045-.251-.0361.119-.657在崗職工平均工資-.197-.0791.205-.096-.183-.179精彩文檔實(shí)用標(biāo)準(zhǔn)文案人才密度指數(shù)-.099-.088-.021-.051-.068-.417科技支出占財(cái)政支出比重（ %）-.

47、280-.018-.1201.196-.016.102每萬(wàn)人擁有執(zhí)業(yè)醫(yī)師數(shù)量.567-.091-.102-.143.095-.282每千人擁有病床數(shù).155-.068-.051.069.017-.156Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.Component Scores.Component Score Coefficient MatrixComponent7891011人均 GDP元（ / 人 ）-.068.0003.170.495-2.090人均全社會(huì)固定資產(chǎn)投資額-.187.168-.408-.518-2.174人均城鎮(zhèn)固定資產(chǎn)投資額-.164.381-.932.3723.308人均一般預(yù)算性財(cái)政收入.018-.389.443-1.2374.051第三產(chǎn)業(yè)占 GDP比重 （%）-.219-.699.521-1.479-.443人均社會(huì)消費(fèi)品零售額-.654-.038-.420-1.202.067人均實(shí)際利用外資額 （萬(wàn)美元 /-.3162.158-.165.559-1.419人）人均城鄉(xiāng)居民儲(chǔ)蓄存款-.162-.227.143.455-1