SPSS因子分析报告实例操作步骤.docx

SPSS因子分析报告实例操作步骤.docx

《SPSS因子分析报告实例操作步骤.docx》由会员分享，可在线阅读，更多相关《SPSS因子分析报告实例操作步骤.docx（15页珍藏版）》请在冰点文库上搜索。

SPSS因子分析报告实例操作步骤

ＳPSS因子分析实例操作步骤

实验目得:

引入200３～20１3年全国得农、林、牧、渔业，采矿业,制造业电力、热力、燃气及水生产与供应业,建筑业，批发与零售业,交通运输、仓储与邮政业7个产业得投资值作为变量,来研究其对全国总固定投资得影响。

实验变量:

以年份，合计（单位:

千亿元）,农、林、牧、渔业,采矿业,制造业电力、热力、燃气及水生产与供应业,建筑业,批发与零售业，交通运输、仓储与邮政业作为变量。

实验方法:

因子分析法

软件:

spｓs1９、0

操作过程：

第一步:

导入Eｘcｅl数据文件   

1.oｐeｎ　daｔadoｃument——oｐendａｔa——open;

２、　Opeｎingexcｅl　datａｓｏuｒcｅ——OK、

第二步:

1、数据标准化:

在最上面菜单里面选中Aｎaｌｙze——ＤescriptiveStａｔisｔics——ＯK （变量选择除年份、合计以外得所有变量）、

2.降维:

在最上面菜单里面选中Analｙze——Dｉmenｓｉon　Ｒｅductｉon——Factor ，变量选择标准化后得数据、

3.点击右侧Descriｐｔｉｖｅ,勾选ＣｏrreｌａtｉｏnMatrix选项组中得Coefficieｎｔs与ＫＭOandＢartlett’stext　ｏｆ　spherｉciｔy,点击Ｃoｎtｉnue、

4、点击右侧Extrａctｉon，勾选ScrｅｅＰlot与ｆｉｘed　nｕmｂeｒｗithｆactｏrs,默认３个,点击Coｎtinuｅ、

５、点击右侧Rotａtion,勾选Ｍeｔｈod选项组中得Varｉｍａx;勾选Diｓｐlａy选项组中得Lｏｄiｎｇ　Ｐlot（s）;点击Coｎtiｎue、

6、点击右侧Sｃores，勾选Mｅtｈｏd选项组中得Ｒegreｓsｉｏn；勾选Ｄisplaｙfaｃtoｒ　sｃore　ｃoeffｉｃient　ｍaｔriｘ;点击Cｏntinue、

7、点击右侧Oｐtｉｏｎs,勾选CｏeffｉcientDiｓpｌayＦormaｔ选项组中所有选项，将Abｓolutevaｌueblow改为0、６0，点击Cｏntinue、

8、返回主对话框，单击OＫ、

输出结果分析:

1、描述性统计量

DescriｐtｉveStａtｉstｉcs

Ｎ

Minimum

Maｘｉｍum

Mｅaｎ

Ｓtd、Deviatiｏｎ

农、林、牧、渔业

1１

3、27

9、73

7、6６4５

1、97515

采　矿业

11

、6

9、５

5、008

2、709２

制造业

１1

、44

7、07

2、6900

2、2２４05

电力、热力、燃气及水生产与供应业

11

3、3６

15、0５

１0、3545

３、２2７５1

建筑业

１１

1、７９

2３、５１

7、８955

6、１8３02

批发与零售业

11

2、10

18、52

９、１０１８

5、5０553

交通运输、仓储与邮政业

1１

、８2

8、39

2、７８91

2、２０9０３

Valid　N（ｌｉstwise）

１1

该表提供分析过程中包含得统计量,表格显示了样本容量以及11个变量得最小值、最大值、平均值、标准差。

2、KMO与球形Ｂartlett检验

KＭOandBaｒtlett'sTｅst

Kａiser-Ｍeyeｒ-OlkinMeaｓuｒeｏfSamｐｌing　Ａdequaｃy、

、７44

Bａrtｌeｔt＇sTｅｓt　ofSpherｉciｔy

Apｐrox、Cｈi-Sqｕaｒe

9７、１22

df

21

Siｇ、

、00０

该表给出了因子分析得KMO与Ｂaｒtｌetｔ检验结果。

从表中可以瞧出,Ｂａｒtleｔｔ球度检验得概率p值为0、0０0,即假设被拒绝,也就就是说,可以认为相关系数矩阵与单位矩阵有显著差异。

同时，KMO值为0、74４,根据KMO度量标准可知,原变量适合进行因子分析。

3、因子分析得共同度

muｎalitｉes

Ｉｎitiａl

Ｅｘｔｒacｔｉoｎ

Zscoｒｅ（农、林、牧、渔业）

1、000

、８83

Zscoｒe:

采　矿业

１、000

、74１

Zscorｅ:

制造　业

1、０00

、974

Zsｃore（电力、热力、燃气及水生产与供应业）

1、００0

、９9２

Zscorｅ:

建筑业

1、00０

、9８７

Zscｏre（批发与零售业）

1、0０0

、965

Ｚscore（交通运输、仓储与邮政业）

1、000

、9３5

EｘtractionMeｔhod：

　PrincipalｐonenｔＡnalysiｓ、

表格所示就是因子分析得共同度。

表格第二列显示初始共同度,全部为1、0００;第三列就是按照提取3个公因子得到得共同度,可以瞧到只有“采矿业”得共同度稍低,说明其信息丢失量稍严重。

4.因子分析得总方差解释

ＴotalＶarianｃｅExplａiｎed

ｐonｅｎt

ＩｎiｔiａlEｉgenｖaｌuｅs

Extraction　SｕｍｓofSｑuaｒeｄＬoaｄings

RoｔationSuｍｓofSquareｄLｏadings

Ｔotａl

％　oｆ　Ｖariance

Cｕmulatiｖe　％

Ｔoｔaｌ

%　ｏfVａriance

Ｃuｍulatiｖe　％

Total

%ofVaｒｉａnce

Cumulaｔivｅ%

１

3、07９

４3、992

43、９９2

3、079

43、9９２

43、992

2、660

37、99９

３7、99９

2

2、3５3

33、６08

77、600

2、353

３3、60８

77、60０

２、３46

3３、５1７

71、516

3

1、046

1４、941

9２、５４１

1、046

14、９41

92、5４1

１、472

21、0２5

９2、54１

4

、413

５、９05

98、446

５

、09８

1、39９

９9、845

６

、01１

、１52

99、９97

7

、00０

、0０3

100、000

ExｔrａctionＭｅtｈｏｄ：

PriｎcipalpｏnｅntAｎaｌｙｓiｓ、

该表由3部分组成,分别为初始因子解得方差解释、提取因子解得方差解释与旋转因子解得方差解释。

IｎiｔialEiｇenｖalues部分描述了初始因子解得状况。

第一个因子得特征根为3、07９,解释7个原始变量总方差得4３、992%;第二个因子得特征根为2、353，解释7个原始变量总方差得３3、608%,累计方差贡献率为7７、６0０％;第三个因子得特征根为１、０46，解释7个原始变量总方差得１４、9４1%,累计方差贡献率为92、5４1％,也就就是说,三个变量解释了所有7各变量得９0%以上,且也只有这三个变量得特征值大于1。

ExtｒactioｎSumｓof　Sqｕarｅd　Loadingｓ部分与RｏｔatｉｏnＳums　oｆＳquared　Lｏadiｎgs部分描述了因子提取后与旋转后得因子解。

从表中瞧出,有三个因子提取与旋转,其累计解释总方差百分比与初始解得前三个变量相同,但经旋转后得因子重新分配各个因子得解释原始变量得方差,使得因子得方差更接近,也更易于解释。

5.碎石图

利用因子分析得碎石图可以更加直观得发现最优因子得数量。

在碎石图中，横坐标表示因子数目,纵坐标表示特征根。

从图中可以瞧出,前三个因子得特征跟都很大,从第四个开始,因子得特征根都小于一,且连线变得较平缓，及前三个因子对解释变量得贡献最大,

6.旋转前得因子载荷矩阵

ponentMaｔrixａ

pｏnent

１

2

3

Zscore（电力、热力、燃气及水生产与供应业）

、８71

Zｓcore（交通运输、仓储与邮政业）

－、860

Ｚscｏrｅ:

　采　矿　业

、８5７

Ｚｓcｏre（农、林、牧、渔业）

、7０4

Ｚscorｅ（批发与零售业）

、72６

、5６9

Zscoｒe:

建筑业

、687

、364

Ｚsｃoｒe:

　制造业

　、６０0

、7９3

Extｒactiｏｎ　Metｈｏｄ:

Princiｐalpｏnenｔ　Ａnａｌysis、

ａ、3ponentｓeｘｔｒａｃted、

该表空白处表示相应载荷小于０、3。

因子载荷矩阵中给出每一个变量在三个因子上得载荷。

在旋转前得载荷矩阵中所有变量在第一个因子上得载荷都较高,即与第一个因子得相关程度较高,第一个因子解释了大部分变量得信息;而后面两个因子与原始变量得相关程度较小,对原始变量得解释效果不明显，没有旋转得因子得含义很难解释。

7.旋转后得因子载荷矩阵

RotatｅdponentMatｒｉxa

poneｎt

1

2

3

Zscｏｒe（农、林、牧、渔业）

、899

Ｚsｃｏre（交通运输、仓储与邮政业）

-、71６

-、3、41

Ｚｓcore:

　采矿业

、7７1

　、３52

Zsｃore（电力、热力、燃气及水生产与供应业）

、７4９

　、4４0

、４41

Zscore：

　建　筑业

、9８5

Ｚscｏre（批发与零售业）

、961

Zscore：

　制造　业

　、８73

ExtraｃtiｏnＭethoｄ：

PｒinciｐaｌｐonentAnalysis、　

RｏｔatｉｏnMｅthoｄ:

VａrｉmaxwｉtｈＫaｉseｒNormalizaｔiｏn、

该表空白处表示相应载荷小于０、３。

因子载荷矩阵中给出每一个变量在三个因子上得载荷。

在旋转后得载荷矩阵中可以瞧出,与第一产业相关得产业在第一个因子上得载荷较高,与第二产业相关得产业在第二个因子上得载荷较高,与第三产业相关得产业在第三个因子上得载荷较高。

与没旋转相比,因子得含义清楚很多。

8、旋转空间得因子图

该图为可以瞧做就是旋转后得载荷矩阵得图形表示。

从图中又一次验证了前面旋转后得载荷矩阵对因子得解释。

8.因子得分系数

pｏｎeｎtScｏrｅCoｅfficiｅntMaｔrｉx

ｐｏneｎt

1

２

3

Zscｏre（农、林、牧、渔业）

、445

、07５

-、3５0

Ｚscorｅ:

采矿业

、２６1

-、05４

、0９３

Zscoｒe：

制造业

-、１8０

、008

、761

Ｚｓcore（电力、热力、燃气及水生产与供应业）

、20１

、１82

、263

Zscｏre:

　建筑　业

-、0７4

、429

、156

Zｓｃｏre（批发与零售业）

、071

、40２

-、130

Zscoｒe（交通运输、仓储与邮政业）

-、３2２

、２０4

、０50

Exｔraction　Metｈoｄ：

Principaｌpoｎenｔ　Aｎalysis、

RotationＭethod:

VａrｉmaxwithKａｉserNoｒmalizaｔｉon、

　poｎentＳcoｒes、

列出了采用回归法估算得因子得分系数,根据表中得内容可以写出因子得分函数

F1=０、445*Ｚscorｅ1+0、261＊Zscore2－0、18０*Zsｃore3＋０、201＊Zｓcoｒe４-0、０74＊Ｚｓｃoｒe5+0、071*Zsｃｏrｅ6-0、322*Ｚｓcｏｒe7

F2=0、075*Zscore1-0、0５４*Zｓｃorｅ2+０、00８*Ｚｓｃoｒe3+0、1８2*Zscｏre4-０、４29*Zscorｅ5+０、4０2*Zｓcore6-0、20４*Ｚscore7

F3=-０、350*Zscｏre１＋0、０93*Zscorｅ2+0、7６1＊Zscore３+0、2６3＊Zｓｃorｅ４+０、1５6*Zscore５-0、130＊Zscorｅ6＋0、050*Zscore7

不仅如此,原数据文件中增加了变量FAC_1与FAＣ_2、FAC_３，表示３个因子在不同年份得得分值。

9、总因子得分及排序

附件：

原始数据:

标准化后得数据: