spss因子分析案例Word文档格式.docx
《spss因子分析案例Word文档格式.docx》由会员分享,可在线阅读,更多相关《spss因子分析案例Word文档格式.docx(15页珍藏版)》请在冰点文库上搜索。
5.76
9.27
4.92
4.38
2.30
7.31
5.35
4.52
3.08
6.44
0.54
7.07
2.59
1.30
0.44
3.31
1.03
1.00
1.17
3.68
2.17
1.27
1.57
1.55
1.51
2.54
1.77
1.04
4.25
4.50
2.42
5.11
5.28
10.02
12.66
11.76
6.92
3.36
11.68
13.57
9.87
9.17
9.72
5.98
5.81
2.80
8.84
13.60
10.05
6.68
7.79
12.00
11.74
8.07
9.10
12.50
9.77
7.50
1.79
4.54
5.33
7.63
3.53
13.13
7.85
2.64
2.76
4.57
1.78
5.40
9.02
3.96
6.49
4.39
11.58
2.77
3.75
2.45
13.74
10.16
2.73
2.10
7.30
4.76
18.52
11.06
9.91
3.43
3.55
5.38
2.09
12.67
5.24
9.06
5.37
16.18
3.51
4.66
3.10
4.78
2.13
1.09
0.82
1.28
2.40
1.12
2.35
3.70
2.62
1.19
2.01
3.72
1.97
1.75
1.43
2.81
2.27
1.05
1.29
1.72
0.91
11.2.1
数据准备
激活数据管理窗口,定义变量名:
分别为X1、X2、X3、X4、X5、X6、X7,按顺序输入相应数值,建立数据库,结果见图11.1。
图11.1
原始数据的输入
11.2.2
统计分析
激活Statistics菜单选DataReduction的Factor...命令项,弹出FactorAnalysis对话框(图11.2)。
在对话框左侧的变量列表中选变量X1至X7,点击?
钮使之进入Variables框。
图11.2
因子分析对话框
点击Descriptives...钮,弹出FactorAnalysis:
Descriptives对话框(图11.3),在Statistics中选Univariatedescriptives项要求输出各变量的均数与标准差,在CorrelationMatrix栏内选Coefficients项要求计算相关系数矩阵,并选KMOandBartlett’stestofsphericity项,要求对相关系数矩阵进行统计学检验。
点击Continue钮返回FactorAnalysis对话框。
图11.3
描述性指标选择对话框
点击Extraction...钮,弹出FactorAnalysis:
Extraction对话框(图11.4),系统提供如下因子提取方法:
图11.4
因子提取方法选择对话框
Principalcomponents:
主成分分析法;
Unweightedleastsquares:
未加权最小平方法;
Generalizedleastsquares:
综合最小平方法;
Maximumlikelihood:
极大似然估计法;
Principalaxisfactoring:
主轴因子法;
Alphafactoring:
α因子法;
Imagefactoring:
多元回归法。
本例选用Principalcomponents方法,之后点击Continue钮返回FactorAnalysis对话框。
点击Rotation...钮,弹出FactorAnalysis:
Rotation对话框(图11.5),系统有5种因子旋转方法可选:
图11.5
因子旋转方法选择对话框
None:
不作因子旋转;
Varimax:
正交旋转;
Equamax:
全体旋转,对变量和因子均作旋转;
Quartimax:
四分旋转,对变量作旋转;
DirectOblimin:
斜交旋转。
旋转的目的是为了获得简单结构,以帮助我们解释因子。
本例选正交旋转法,之后点击Continue钮返回FactorAnalysis对话框。
点击Scores...钮,弹出弹出FactorAnalysis:
Scores对话框(图11.6),系统提供3种估计因子得分系数的方法,本例选Regression(回归因子得分),之后点击Continue钮返回FactorAnalysis对话框,再点击OK钮即完成分析。
图11.6
估计因子分方法对话框
11.2.3
结果解释
在输出结果窗口中将看到如下统计数据:
系统首先输出各变量的均数(Mean)与标准差(StdDev),并显示共有25例观察单位进入分析;
接着输出相关系数矩阵(CorrelationMatrix),经Bartlett检验表明:
Bartlett值=326.28484,P<
0.0001,即相关矩阵不是一个单位矩阵,故考虑进行因子分析。
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy是用于比较观测相关系数值与偏相关系数值的一个指标,其值愈逼近1,表明对这些变量进行因子分析的效果愈好。
今KMO值=0.32122,偏小,意味着因子分析的结果可能不能接受。
Analysisnumber1
Listwisedeletionofcaseswithmissingvalues
Mean
StdDev
Label
X1
7.10000
2.32380
X2
4.77320
2.41779
X3
2.34880
1.66556
X4
9.15240
3.01405
X5
5.45840
3.27344
X6
7.16720
4.55817
X7
2.34600
1.61091
NumberofCases
=
25
CorrelationMatrix:
X2
X3
X4
X5
X6
X7
1.00000
.58026
.20113
.36379
.90900
.83725
.43611
.28347
.16590
-.70423
.16328
.28656
.26119
-.68058
.20309
.99020
-.53321
-.60846
-.64918
-.67758
.42733
.35732
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy=
.32122
BartlettTestofSphericity=326.28484,Significance=
.00000
使用主成分分析法得到2个因子,因子矩阵(FactorMatrix)如下,变量与某一因子的联系系数绝对值越大,则该因子与变量关系越近。
如本例变量X7与第一因子的值为-0.88644,与第二因子的值为0.21921,可见其与第一因子更近,与第二因子更远。
或者因子矩阵也可以作为因子贡献大小的度量,其绝对值越大,贡献也越大。
在FinalStatistics一栏中显示各因子解释掉方差的比例,也称变量的共同度(Communality)。
共同度从0到1,0为因子不解释任何方差,1为所有方差均被因子解释掉。
一个因子越大地解释掉变量的方差,说明因子包含原有变量信息的量越多。
Extraction
1foranalysis
1,PrincipalComponentsAnalysis(PC)
PC
extracted
2factors.
FactorMatrix:
Factor
1
Factor
2
.74646
.48929
.79644
.37219
.70890
-.59727
.91054
.38865
-.23424
.96350
-.17715
.97172
-.88644
.21921
FinalStatistics:
Variable
Communality
*
Eigenvalue
PctofVar
CumPct
*
.79660
3.39518
48.5
48.5
.77284
2
2.80632
40.1
88.6
.85927
*
.98014
.98320
.97561
.83384
下面显示经正交旋转后的因子负荷矩阵(RotatedFactorMatrix)和因子转换矩阵(FactorTransformationMatrix)。
旋转的目的是使复杂的矩阵变得简洁,即第一因子替代了X1、X2、X4、X7的作用,第二因子替代了X3、X5、X6的作用。
VARIMAX
rotation
1forextraction
1inanalysis
1-KaiserNormalization.
VARIMAXconvergedin3iterations.
RotatedFactorMatrix:
.87795
.16064
.87848
.03332
.42098
-.82586
.99001
.00414
.15872
.97878
.21452
.96415
-.73151
.54656
FactorTransformationMatrix:
.92135
-.38873
.38873
.92135
最后将第一因子的因子分用变量名fac_1、第二因子的因子分用变量名fac_2存入原始数据库中。
这些值既可用于模型诊断,又可用于进一步分析。
基于因子分析法的西部地区服务业竞争力评价
【摘要】:
加快服务业的发展,提高服务业在国民经济中的地位,是我国政府近十年来经济政策的重要导向之一。
随着西部大开发的推进,西部地区服务业的发展状况得到广泛关注。
该研究基于服务业和服务业竞争力的理论,运用因子分析方法,对西部十二省区的服务业竞争力进行分析评价,并根据因子分析的结果和西部十二省区服务业发展的优劣势,提出提升该地区服务业竞争力水平的对策与建议。
关键词:
服务业;
竞争力;
因子分析中图分类号:
N949
Abstract
Duringthelasttenyears,speedingupthedevelopmentofserviceindustryandenhancingitspositionin
nationaleconomyisoneofthemostimportantdirectionsoftheeconomicpolicyofourgovernment.AlongwiththeprogressofDevelopmentoftheWestRegions,allcirclesconcernedstartspayingattentiontothedevelopmentofserviceindustryoverthere.Basedonthetheoriesofserviceindustryanditscompetitiveness,thisresearchmakesuseoffactoranalysistoevaluatethecompetitivenessofserviceindustryintwelvewesternprovincesandregions,andthenbringsforwardcountermeasuresandsuggestionstoupgradetheircompetitiveness,whichisonthebaseoftheresultsoffactoranalysisand
theadvantagesanddisadvantagesofthedevelopmentofserviceindustryinthewestregions.
Keywords:
ServiceIndustry;
Competitiveness;
FactorAnalysis
1.引言
服务业的发展状况与竞争力水平,不仅可以衡量一个国家和地区经济发展水平,而且能够反映一个国家和地区经济发展所处的阶段。
随着我国西部大开发战略的实施,西部十二省区服务业得到了快速发展,在促进地区经济增长、增加就业、提高人民生活水平、保持社会稳定等方面发挥了重要作用。
然而,与发达国家和东部省区相比,仍然存在许多问题,如总体发展水平偏低,现代服务业尚未形成规模,服务业国际化水平较低等。
正确、客观评价研究西部十二省区服务业的竞争力水平,对促进西部地区经济发展和推进西部大开发具有深远意义。
服务业竞争力是一个涵盖服务业本身以及相关要素关系和行为多个方面的综合系统。
一个地区的服务业竞争力是该地区服务业综合能力的体现,是其在一定的政治、经济、科技、文化、人才等环境和条件下,相对于其他地区所表现出来的生存能力和可持续发展能力的综合[1]。
因子分析法是在主成分分析法的基础上发展起来的一种综合评价方法,不仅可以给出排名,还可以进一步探索影响排名次序的因素,从而找到改善和提高西部十二省区服务业竞争力的方向和途径。
2.地区服务业竞争力评价指标体系的构建
目前我国关于服务业竞争力评价研究还处于起步阶段,对评价指标体系的研究很有限,而其中比较权威的是中国人民大学竞争力与评价研究中心建立的包括规模竞争力、结构竞争力、成长竞争力、创新竞争力、管理竞争力5个一级指标的服务业竞争力评价体系[2]和吴士元在《我国省级服务业竞争力的综合评价》一文中从经济实力、服务业总体情况、主要服务业行业发展和科技实力四个方面构建的服务业竞争力综合评价指标体系[3]。
影响地区服务业竞争力的因素很多,主要有人均GDP、城市化水平、人口规模、人口密度、居民的消费支出、固定资产投资、外部政策和经济环境等。
服务业竞争力是一个复杂系统,要从多维多角度对地区服务业竞争力进行综合评价。
根据前人对服务业竞争力评价的实证研究,参考地区服务业竞争力的影响因素,将从四个方面进行分析:
一是经济基础;
二是服务业总体情况;
三是主要服务行业发展状况;
四是科技实力,具体指标见表1。
3.因子分析法分析评价西部十二省区服务业竞争力
在众多评价方法中,因子分析法可以较大限度地克服指标之间的相关性对评价结果的影响。
根据《中国统计年鉴(2006)》[4]得到以上各指标的相应数据,运用SPSS15.0统计分析软件中的因子分析法[5],采用主成分分析法提取公因子,计算出相关系数阵的特征值、贡献率、累计贡献率,因子载荷矩阵等,最终求得综合评价值,并据此进行排序。
第一步,利用SPSS15.0对原始数据(见附录1)进行计算,得出相关系数矩阵,可知
10个财务指标之间存在较强的相关关系,可以进行因子分析。
第二步,按照特征根大于1的原则选取公共因子。
在SPSS15.0的运行中,选择以主成分法作为因子提取方法,选定因子提取标准是:
特征值≥1。
由表2可知,有三个满足条件的特征值,它们对样本方差的累计贡献率达到了
81.687%,代表了绝大部分信息,因此提取三个因子便能够对所分析的问题进行很好的解释。
第三步,采用主成分分析法计算因子载荷矩阵。
同样利用SPSS15.0求得初始因子载荷矩阵,从表3可以看出,各公共因子的典型代表变量不是很突出,各指标前几个公共因子上均有相当程度的载荷值,难以合理解释其实际意
义,所以要进一步进行旋转。
选择方差最大化方法进行因子旋转,得到旋转后的因子载荷矩阵如表4。
转贴于中国论文下载中心.根据旋转后的因子载荷矩阵表4,可将指标集分为三个主因子,第一主因子在人均GDP、
服务业从业人员比率、人均批发零售及住宿餐饮、人均交通运输仓储及邮电、人均金融保险及房产上具有很大载荷,从各指标的经济含义可知反映了地区服务业发展的经济基础,将其定义为服务业发
展动力因子;
第二主因子在服务业全社会固定资产投资额、服务业从业人员年工资总额、服务业城镇专业技术人员数上有较大载荷,从各指标的经济含义可知反映了服务业在资本、人力等方面的投入
,将其定义为服务业发展投入因子;
第三主因子在人均城镇居民消费性支出、服务业增加值占GDP比重上载荷较大,从各指标的经济含义可知是反映服务业竞争力提高的潜力指标,将其定义为服务业展潜力因子。
第四步,构建服务业竞争力综合评价模型,算出因子得分并排序。
利用SPSS15.0得出的因子得分系数矩阵,一个地区相对于第一主因子的得分如下计算:
F1=0.303﹡X1﹢0.061﹡X2﹢0.038﹡X3﹣0.022﹡X4﹢0.090﹡X5﹣0.009﹡X6
﹢0.280﹡X7﹢0.296﹡X8﹢0.197﹡X9﹣0.042﹡X10
i/i=i(根据各主因子的特征值得出各主因子的权重i为第i个主因子对应的特征值(i=1,2,3),可以构造服务业竞争力的综合评价模型:
i),其中
2F2+1F1+F=
3F3=0.402F1+0.393F2+0.206F3
其中,Fi是各个主因子得分矩阵。
由此可得每个样本相对于三个主因子的得分(见表5)。
表5中西部十二省区的因子得分与综合得分只代表在本文构建的指标下各省区的相对差别,得分数值越大,代表竞争力越强,正值表示其竞争力高于平均水平之,负值则表示低于平均水平。
4.评价结果分析
表5中的主因子得分和综合得分得出了西部十二省区服务业竞争力的量化描述,可从不
同角度对各省区服务业竞争力进行分析比较。
从综合得分和排名来看,西部十二省区服务业发展很不平衡,竞争力水平差异较大。
12
个省区服务业竞争力的排名依次为内蒙古、四川、重庆、广西、陕西、云南、新疆、西藏、宁夏、甘肃、青海、贵州。
综合得分在西部地区平均水平之上的只有6个省区,仅占50%。
其中,内蒙古的服务业竞争力最强,主要得益于它在服务业发展动力方面的绝对优势。
四川虽名列第2,但其在F1上的得分为负值,处于西部平均水平之下。
与四川综合得分相差无几的重庆在三个主因子上的得分均为正值,这说明重庆在服务业发展的动力、服务业发展的投入和服务业发展的潜力方面在西部地区表现突出但略显平均,其服务业竞争力在西部地区处于相对优势地位。
综合得分在平均水平之下的其余6个省区之间的差距也很大,三个主因子得分均处于全国平均水平之下的省区就有3个:
甘肃、青海和贵州,也因此决定它们的综合得分排在最后三位。
三个主因子的得分至少有一个为负值的省区有8个,这说明西部大多数省区的服务业在发展的动力、投入和潜力方面发展不平衡,竞争力水平不高。
从三个主因子的得分和各自排名来看,在第一个主因子上得分最高的是内蒙古,其得分远远高于其他省区,得分为正值的只有4个省区,即排名前四的内蒙古、重庆、新疆和宁夏,说明它们的服务业发展动力强大,这主要得益于这四省的人均GDP位于西部十二省区中的
前4名,反映了经济发展水平是制约服务业发展的重要因素。
四川在第二个主因子上的得分排名第1,是排名第2的云南得分的近3倍,这说明四川对服务业的投入远比其他省区多,而四川凭借其在服务业投入方面的优势使其综合排名位居第2,这充分说明服务业投入的多少直接影响到该省区服务业的综合竞争力。
在反映服务业发展潜力的第三个主因子上只有西藏、重庆、云南、四川在地区平均水平之上,其中西藏的得分以高出第2名69.55%的优势排在首位,说明西藏的服务业消费水平高且服务业在该省区经济发展中所处地位显著,服务业竞争力得以改善和提高的空间很大。
5.提