因子分析SPSS操作

因子分析SPSS操作因子分析SPSS操作因子分析SPSS操作xxx公司因子分析SPSS操作文件編號(hào)：文件日期：修訂次數(shù)：第1.0次更改批準(zhǔn)審核制定方案設(shè)計(jì)，管理制度因子分析作業(yè)：全國(guó)30個(gè)省市的8項(xiàng)經(jīng)濟(jì)指標(biāo)如下：要求：先對(duì)數(shù)據(jù)做標(biāo)準(zhǔn)化處理，然后基于標(biāo)準(zhǔn)化數(shù)據(jù)進(jìn)行以下操作1、給出原始變量的相關(guān)系數(shù)矩陣；2、用主成分法求公因子，公因子的提取按照默認(rèn)提?。刺卣髦荡笥?），給出公因子的方差貢獻(xiàn)度表；3、給出共同度表，并進(jìn)行解釋；4、給出因子載荷矩陣，據(jù)之分析提取的公因子的實(shí)際意義。如果不好解釋，請(qǐng)用因子旋轉(zhuǎn)（采用正交旋轉(zhuǎn)中最大方差法）給出旋轉(zhuǎn)后的因子載荷矩陣，然后分析旋轉(zhuǎn)之后的公因子，要求給各個(gè)公因子賦予實(shí)際含義；5、先利用提取的每個(gè)公因子分別對(duì)各省市進(jìn)行排名并作簡(jiǎn)單分析。最后構(gòu)造一個(gè)綜合因子，計(jì)算各省市的綜合因子的分值，并進(jìn)行排序并作簡(jiǎn)單分析。輸入數(shù)據(jù)，依次點(diǎn)選分析描述統(tǒng)計(jì)描述，將變量x1到x8選入右邊變量下面，點(diǎn)選“將標(biāo)準(zhǔn)化得分另存為變量”，點(diǎn)確定即可的標(biāo)準(zhǔn)化的數(shù)據(jù)。依次點(diǎn)選分析降維因子分析，打開(kāi)因子分析窗口，將標(biāo)準(zhǔn)化的8個(gè)變量選入右邊變量下面，點(diǎn)選描述相關(guān)矩陣下選中系數(shù)及KMO和Bartlett的檢驗(yàn)，點(diǎn)繼續(xù)，確定，就可得出8個(gè)變量的相關(guān)系數(shù)矩陣如下圖。由表中數(shù)據(jù)可以看出大部分?jǐn)?shù)據(jù)的絕對(duì)值都在以上，說(shuō)明變量間有較強(qiáng)的相關(guān)性。KMO和Bartlett的檢驗(yàn)取樣足夠度的Kaiser-Meyer-Olkin度量。.621Bartlett的球形度檢驗(yàn)近似卡方df28Sig..000由上圖看出，sig.值為0，所以拒絕相關(guān)系數(shù)為0（變量相互獨(dú)立）的原假設(shè)，即說(shuō)明變量間存在相關(guān)性。2、依次點(diǎn)選在因子分析窗口點(diǎn)選抽取方法：主成分；分析：相關(guān)性矩陣；輸出：未旋轉(zhuǎn)的因子解，碎石圖；抽取：基于特征值（特征值大于1）；繼續(xù)，確定，輸出結(jié)果如下3個(gè)圖。解釋的總方差成份初始特征值提取平方和載入合計(jì)方差的%累積%合計(jì)方差的%累積%1234.4035.2126.1357.067.8408.015.183提取方法：主成份分析。上表中第一列為特征值（主成分的方差），第二列為各個(gè)主成分的貢獻(xiàn)率，第三列為累積貢獻(xiàn)率，由上表看出前3個(gè)主成分的累計(jì)貢獻(xiàn)率就達(dá)到了%>85%，所以選取主成分個(gè)數(shù)為3。選y1為第一主成分，y2為第二主成分，y3為第三主成分。且這三個(gè)主成分的方差和占全部方差的%，即基本上保留了原來(lái)指標(biāo)的信息。這樣由原來(lái)的8個(gè)指標(biāo)變?yōu)榱?個(gè)指標(biāo)。由上圖看出，成分?jǐn)?shù)為3時(shí)，特征值的變化曲線趨于平緩，所以由碎石圖也可大致確定出主成分個(gè)數(shù)為3。與按累計(jì)貢獻(xiàn)率確定的主成分個(gè)數(shù)是一致的。3、共同度結(jié)果如下：公因子方差初始提取Zscore:國(guó)內(nèi)生產(chǎn).945Zscore:居民消費(fèi).800Zscore:固定資產(chǎn).902Zscore:職工工資.873Zscore:貨物周轉(zhuǎn).858Zscore:消費(fèi)價(jià)格.957Zscore:商品零售.929Zscore:工業(yè)產(chǎn)值.904提取方法：主成份分析。上表給出了該次分析從每個(gè)原始變量中提取的信息。由上表數(shù)據(jù)可以看出，主成分包含了各個(gè)原始變量的80%以上的信息。4、在因子分析窗口，旋轉(zhuǎn)輸出：載荷陣。輸出結(jié)果如下：成份矩陣a成份123Zscore:國(guó)內(nèi)生產(chǎn).885.384.119Zscore:居民消費(fèi).606.276Zscore:固定資產(chǎn).912.162.211Zscore:職工工資.467.365Zscore:貨物周轉(zhuǎn).486.737Zscore:消費(fèi)價(jià)格.257.801Zscore:商品零售.596.437Zscore:工業(yè)產(chǎn)值.823.427.208提取方法:主成分分析法。a.已提取了3個(gè)成份。由上表數(shù)據(jù)第一列表明：第一主成分與各個(gè)變量之間的相關(guān)性；第二列表明：第二主成分與各個(gè)變量之間的相關(guān)性；第三列表明：第三主成分與各個(gè)變量之間的相關(guān)性?？梢缘贸觯簒1x3x8主要由第一主成分解釋，x4x5主要由第二主成分解釋，x6主要由第三主成分解釋。但是x2是由第一主成分還是第二主成分解釋不好確定，x7是由三個(gè)主成分中的哪個(gè)解釋也不好確定。下面作因子旋轉(zhuǎn)后的因子載荷陣。在因子分析窗口，抽取輸出：旋轉(zhuǎn)的因子解，繼續(xù)；旋轉(zhuǎn)方法：最大方差法，繼續(xù)；確定。輸出結(jié)果如下2圖；旋轉(zhuǎn)成份矩陣a成份123Zscore:國(guó)內(nèi)生產(chǎn).955.126Zscore:居民消費(fèi).218.843Zscore:固定資產(chǎn).872.353Zscore:職工工資.051.926Zscore:貨物周轉(zhuǎn).753Zscore:消費(fèi)價(jià)格.970Zscore:商品零售.819Zscore:工業(yè)產(chǎn)值.944.111提取方法:主成分分析法。旋轉(zhuǎn)法:具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。a.旋轉(zhuǎn)在5次迭代后收斂。由上表數(shù)據(jù)可以得出：x1x3x5x8主要由第一主成分解釋，x2x4主要由第二主成分解釋，x6x7主要由第三主成分解釋。與第一因子關(guān)系密切的變量主要是投入（投資：固定資產(chǎn)投資）與產(chǎn)出（產(chǎn)值：國(guó)內(nèi)生產(chǎn)總值、工業(yè)總產(chǎn)值）方面的變量，貨物周轉(zhuǎn)又是投入產(chǎn)出的中介過(guò)程，可以命名為投入產(chǎn)出因子；與第二因子關(guān)系密切的都是反映民眾生活水平的變量，可以命名為消費(fèi)能力因子；與第三因子關(guān)系密切的是價(jià)格指數(shù)方面的變量，可以命名為價(jià)格指數(shù)因子。解釋的總方差成份初始特征值旋轉(zhuǎn)平方和載入合計(jì)方差的%累積%合計(jì)方差的%累積%1234.4035.2126.1357.067.8408.015.183提取方法：主成份分析。由上表可以看出：第二列數(shù)據(jù)表明，各個(gè)主成分的貢獻(xiàn)率與旋轉(zhuǎn)前的有變化，但是3個(gè)主成分的累積貢獻(xiàn)率相同都是%。5、在因子分析窗口，得分因子得分保存為變量f1f2f3;方法：回歸。再按三個(gè)主成分降序排列：數(shù)據(jù)排序個(gè)案：將f1選入排序依據(jù)，排列順序：降序。同理得出按f2f3排序的結(jié)果。結(jié)果如下；最后，以各因子的方差貢獻(xiàn)率占三個(gè)因子總方差貢獻(xiàn)率的比重作為權(quán)重進(jìn)行加權(quán)匯總，得出各城市的綜合得分f。即f=*f1+*f2+*f3)/f得分在轉(zhuǎn)換計(jì)算變量中的出。最后再按f得分排序。排序結(jié)果如下：f1排序f2排序f3排序f排序山東上海云南上海江蘇廣東貴州山東廣東北京湖北江蘇河北天津新疆廣東四川浙江四川四川河南西藏陜西湖北遼寧福建上海浙江浙江江蘇甘肅云南上海青海廣西北京湖北新疆湖南遼寧湖南云南青海湖南黑龍江海南山東新疆安徽寧夏內(nèi)蒙貴州福建山東西藏河南云南廣西江西廣西廣西甘肅寧夏陜西山西湖北山西河北北京貴州江蘇黑龍江陜西黑龍江北京甘肅內(nèi)蒙吉林浙江福建吉林遼寧河南山西江西湖南黑龍江青海新疆四川遼寧內(nèi)蒙甘肅陜西河北江西貴州山西福建天津天津江西吉林西藏青海安徽廣東吉林寧夏內(nèi)蒙安徽安徽海南河南天津?qū)幭奈鞑睾颖焙Ｄ虾Ｄ嫌辛藢?duì)各個(gè)公因子的合理的解釋，結(jié)合各個(gè)城市在三個(gè)公因子的得分和綜合得分，就可對(duì)各城市的經(jīng)濟(jì)發(fā)展水平進(jìn)行評(píng)價(jià)了。在投入產(chǎn)出因子f1上得分最高的6個(gè)城市是山東、江蘇、廣東、河北、四川。其中山東得分為，江蘇得分為，高于其他城市，說(shuō)明山東、江蘇的工業(yè)的投入產(chǎn)出能力最高，工業(yè)發(fā)展相對(duì)較快，從而推動(dòng)城市發(fā)展；而青海、寧夏、海南、西藏的投入產(chǎn)出能力較差，可能由于地理位置的緣故工業(yè)發(fā)展相對(duì)落后。上海、廣東、北京、天津在消費(fèi)能力因子f2上的得分較高，說(shuō)明它們的消費(fèi)能力較高，人們的收入也較高，從而生活質(zhì)量較好，城市發(fā)展較快；而河南、河北得分較低，它們的消費(fèi)能力較低，從而說(shuō)明人們的收入也相對(duì)較低，生活質(zhì)量相對(duì)差一點(diǎn)，城市發(fā)展較慢。云南、貴州、湖北、新疆在價(jià)格指數(shù)因子f3上的得分較高，說(shuō)明在這些城市物價(jià)相對(duì)較高，可能以些非本地產(chǎn)的東西由于運(yùn)輸