SPSS因子分析實例操作步驟

SPSS因子分析實例操作步驟SPSS因子分析實例操作步驟試驗?zāi)繕?biāo)：引入~全國農(nóng)、林、牧、漁業(yè)，采礦業(yè)，制造業(yè)電力、熱力、燃氣及水生產(chǎn)和供給業(yè)，建筑業(yè)，批發(fā)和零售業(yè)，交通運輸、倉儲和郵政業(yè)7個產(chǎn)業(yè)投資值作為變量，來研究其對全國總固定投資影響。試驗變量：以年份，共計（單位：千億元），農(nóng)、林、牧、漁業(yè)，采礦業(yè)，制造業(yè)電力、熱力、燃氣及水生產(chǎn)和供給業(yè)，建筑業(yè)，批發(fā)和零售業(yè)，交通運輸、倉儲和郵政業(yè)作為變量。試驗方法：因子分析法軟件：spss19.0操作過程：第一步：導(dǎo)入Excel數(shù)據(jù)文件

opendatadocument——opendata——open；2.Openingexceldatasource——OK.第二步：1.數(shù)據(jù)標(biāo)準(zhǔn)化：在最上面菜單里面選中Analyze——DescriptiveStatistics——OK

（變量選擇除年份、共計以外全部變量）.降維：在最上面菜單里面選中Analyze——DimensionReduction——Factor

，變量選擇標(biāo)準(zhǔn)化后數(shù)據(jù).點擊右側(cè)Descriptive，勾選CorrelationMatrix選項組中Coefficients和KMOandBartlett’stextofsphericity,點擊Continue.4.點擊右側(cè)Extraction,勾選ScreePlot和fixednumberwithfactors，默認3個，點擊Continue.5.點擊右側(cè)Rotation，勾選Method選項組中Varimax；勾選Display選項組中LodingPlot(s)；點擊Continue.6.點擊右側(cè)Scores，勾選Method選項組中Regression；勾選Displayfactorscorecoefficientmatrix；點擊Continue.7.點擊右側(cè)Options，勾選CoefficientDisplayFormat選項組中全部選項，將Absolutevalueblow改為0.60，點擊Continue.8.返回主對話框，單擊OK.輸出結(jié)果分析：1.描述性統(tǒng)計量DescriptiveStatisticsNMinimumMaximumMeanStd.Deviation農(nóng)、林、牧、漁業(yè)113.279.737.66451.97515采礦業(yè)11.69.55.0082.7092制造業(yè)11.447.072.69002.22405電力、熱力、燃氣及水生產(chǎn)和供給業(yè)113.3615.0510.35453.22751建筑業(yè)111.7923.517.89556.18302批發(fā)和零售業(yè)112.1018.529.10185.50553交通運輸、倉儲和郵政業(yè)11.828.392.78912.20903ValidN(listwise)11該表提供分析過程中包含統(tǒng)計量，表格顯示了樣本容量以及11個變量最小值、最大值、平均值、標(biāo)準(zhǔn)差。2.KMO和球形Bartlett檢驗KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy..744Bartlett'sTestofSphericityApprox.Chi-Square97.122df21Sig..000該表給出了因子分析KMO和Bartlett檢驗結(jié)果。從表中能夠看出，Bartlett球度檢驗概率p值為0.000，即假設(shè)被拒絕，也就是說，能夠認為相關(guān)系數(shù)矩陣與單位矩陣有顯著差異。同時，KMO值為0.744，依照KMO度量標(biāo)準(zhǔn)可知，原變量適合進行因子分析。3.因子分析共同度CommunalitiesInitialExtractionZscore(農(nóng)、林、牧、漁業(yè))1.000.883Zscore:采礦業(yè)1.000.741Zscore:制造業(yè)1.000.974Zscore(電力、熱力、燃氣及水生產(chǎn)和供給業(yè))1.000.992Zscore:建筑業(yè)1.000.987Zscore(批發(fā)和零售業(yè))1.000.965Zscore(交通運輸、倉儲和郵政業(yè))1.000.935ExtractionMethod:PrincipalComponentAnalysis.表格所表示是因子分析共同度。表格第二列顯示初始共同度，全部為1.000；第三列是按照提取3個公因子得到共同度，能夠看到只有“采礦業(yè)”共同度稍低，說明其信息丟失量稍嚴(yán)重。因子分析總方差解釋TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%Total%ofVarianceCumulative%13.07943.99243.9923.07943.99243.9922.66037.99937.99922.35333.60877.6002.35333.60877.6002.34633.51771.51631.04614.94192.5411.04614.94192.5411.47221.02592.5414.4135.90598.4465.0981.39999.8456.011.15299.9977.000.003100.000ExtractionMethod:PrincipalComponentAnalysis.該表由3部分組成，分別為初始因子解方差解釋、提取因子解方差解釋和旋轉(zhuǎn)因子解方差解釋。InitialEigenvalues部分描述了初始因子解情況。第一個因子特征根為3.079，解釋7個原始變量總方差43.992%；第二個因子特征根為2.353，解釋7個原始變量總方差33.608%，累計方差貢獻率為77.600%；第三個因子特征根為1.046，解釋7個原始變量總方差14.941%，累計方差貢獻率為92.541%，也就是說，三個變量解釋了全部7各變量90%以上，且也只有這三個變量特征值大于1。ExtractionSumsofSquaredLoadings部分和RotationSumsofSquaredLoadings部分描述了因子提取后和旋轉(zhuǎn)后因子解。從表中看出，有三個因子提取和旋轉(zhuǎn)，其累計解釋總方差百分比和初始解前三個變量相同，但經(jīng)旋轉(zhuǎn)后因子重新分配各個因子解釋原始變量方差，使得因子方差更靠近，也更易于解釋。碎石圖利用因子分析碎石圖能夠愈加直觀發(fā)覺最優(yōu)因子數(shù)量。在碎石圖中，橫坐標(biāo)表示因子數(shù)目，縱坐標(biāo)表示特征根。從圖中能夠看出，前三個因子特征跟都很大，從第四個開始，因子特征根都小于一，且連線變得較平緩，及前三個因子對解釋變量貢獻最大，旋轉(zhuǎn)前因子載荷矩陣ComponentMatrixaComponent123Zscore(電力、熱力、燃氣及水生產(chǎn)和供給業(yè)).871Zscore(交通運輸、倉儲和郵政業(yè))-.860Zscore:采礦業(yè).857Zscore(農(nóng)、林、牧、漁業(yè)).704Zscore(批發(fā)和零售業(yè)).726.569Zscore:建筑業(yè).687.364Zscore:制造業(yè).600.793ExtractionMethod:PrincipalComponentAnalysis.a.3componentsextracted.該表空白處表示對應(yīng)載荷小于0.3。因子載荷矩陣中給出每一個變量在三個因子上載荷。在旋轉(zhuǎn)前載荷矩陣中全部變量在第一個因子上載荷都較高，即與第一個因子相關(guān)程度較高，第一個因子解釋了大部分變量信息；而后面兩個因子與原始變量相關(guān)程度較小，對原始變量解釋效果不顯著，沒有旋轉(zhuǎn)因子含義極難解釋。旋轉(zhuǎn)后因子載荷矩陣RotatedComponentMatrixaComponent123Zscore(農(nóng)、林、牧、漁業(yè)).899Zscore(交通運輸、倉儲和郵政業(yè))-.716-.3.41Zscore:采礦業(yè).771.352Zscore(電力、熱力、燃氣及水生產(chǎn)和供給業(yè)).749.440.441Zscore:建筑業(yè).985Zscore(批發(fā)和零售業(yè)).961Zscore:制造業(yè).873ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.該表空白處表示對應(yīng)載荷小于0.3。因子載荷矩陣中給出每一個變量在三個因子上載荷。在旋轉(zhuǎn)后載荷矩陣中能夠看出，與第一產(chǎn)業(yè)相關(guān)產(chǎn)業(yè)在第一個因子上載荷較高，與第二產(chǎn)業(yè)相關(guān)產(chǎn)業(yè)在第二個因子上載荷較高，與第三產(chǎn)業(yè)相關(guān)產(chǎn)業(yè)在第三個因子上載荷較高。和沒旋轉(zhuǎn)相比，因子含義清楚很多。8.旋轉(zhuǎn)空間因子圖該圖為能夠看做是旋轉(zhuǎn)后載荷矩陣圖形表示。從圖中又一次驗證了前面旋轉(zhuǎn)后載荷矩陣對因子解釋。因子得分系數(shù)ComponentScoreCoefficientMatrixComponent123Zscore(農(nóng)、林、牧、漁業(yè)).445.075-.350Zscore:采礦業(yè).261-.054.093Zscore:制造業(yè)-.180.008.761Zscore(電力、熱力、燃氣及水生產(chǎn)和供給業(yè)).201.182.263Zscore:建筑業(yè)-.074.429.156Zscore(批發(fā)和零售業(yè)).071.402-.130Zscore(交通運輸、倉儲和郵政業(yè))-.322.204.050ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ComponentScores.列出了采取回歸法估算因子得分系數(shù)，依照表中內(nèi)容能夠?qū)懗鲆蜃拥梅趾瘮?shù)F1=0.445*Zscore1+0.261*Zscore2-0.180*Zscore3+0.201*Zscore4-0.074*Zscore5+0.071*Zscore6-0.322*Zscore7F2=0.075*Zscore1-0.054*Zscore2+0.008*Zscore3+0