SPSS因子分析實(shí)例操作步驟

1、SPSS 因子分析實(shí)例操作步驟實(shí)驗(yàn)?zāi)康模阂?003201舜全國的農(nóng)、林、牧、漁業(yè)，采礦業(yè)，制造業(yè)電力、 熱力、燃?xì)饧八a(chǎn)和供應(yīng)業(yè)，建筑業(yè)，批發(fā)和零售業(yè)，交通運(yùn)輸、倉儲(chǔ) 和郵政業(yè)7個(gè)產(chǎn)業(yè)的投資值作為變量，來研究其對全國總固定投資的影 響。實(shí)驗(yàn)變量：以年份，合計(jì)（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?xì)饧八a(chǎn)和供應(yīng)業(yè)，建筑業(yè)，批發(fā)和零售業(yè)，交通運(yùn) 輸、倉儲(chǔ)和郵政業(yè)作為變量。實(shí)驗(yàn)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？?？1. opendatadocumentopendataopen;2.Openingexceldatasour

2、ceOK.第二步：.數(shù)據(jù)標(biāo)準(zhǔn)化：在最上面菜單里面選中AnalyzeDescriptiveStatisticsOK?（變量選擇除年份、合計(jì)以外的所有變量）.降維：在最上面菜單里面選中AnalyzeDimensionReductionFactor?,變量選擇標(biāo)準(zhǔn)化后的數(shù)據(jù).點(diǎn)擊右側(cè) Descriptive ,勾選CorrelationMatrix選項(xiàng)組中的Coefficients 和 KMOandBartlett stextofsphericity, 點(diǎn)擊 Continue.點(diǎn)擊右側(cè) Extraction, 勾選 ScreePlot 和 fixednumberwithfactors ,默 認(rèn)3個(gè)，

3、點(diǎn)擊Continue.點(diǎn)擊右側(cè)Rotation ,勾選Method選項(xiàng)組中的Varimax;勾選Display 選 項(xiàng)組中的 LodingPlot（s）;點(diǎn)擊 Continue.點(diǎn)擊右側(cè)Scores ,勾選Method選項(xiàng)組中的Regression ;勾選 Displayfactorscorecoefficientmatrix ;點(diǎn)擊 Continue.點(diǎn)擊右側(cè)Options，勾選CoefficientDisplayFormat 選項(xiàng)組中所有選項(xiàng)， 將 Absolutevalueblow 改為 0.60，點(diǎn)擊 Continue.返回主對話框，單擊OK.輸出結(jié)果分析：.描述性統(tǒng)計(jì)量Descrip

4、tiveStatisticsNMinimumMaximumMeanStd.Deviation農(nóng)、林、牧、漁業(yè)113.279.737.66451.97515米礦業(yè)082.7092制造業(yè)11.447.072.69002.22405電力、熱力、燃?xì)饧八a(chǎn)113.3615.0510.35453.22751和供應(yīng)業(yè)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(yùn)輸、倉儲(chǔ)和郵政業(yè)11.828.392.78912.20903ValidN(listwise)11該表提供分析過程中包含的統(tǒng)計(jì)量，表格顯示了樣本容量以及1

5、1個(gè)變量的最小值、最大值、平均值、標(biāo)準(zhǔn)差。.KMOffi球形 Bartlett 檢驗(yàn)KMOandBartlettsTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy.BartlettsTestofSphericityApprox.Chi-SquaredfSig.74497.12221.000該表給出了因子分析的KMG口 Bartlett 檢驗(yàn)結(jié)果。從表中可以看出， Bartlett 球度檢驗(yàn)的概率p值為0.000,即假設(shè)被拒絕，也就是說，可以 認(rèn)為相關(guān)系數(shù)矩陣與單位矩陣有顯著差異。同時(shí)， KMO直為0.744,根據(jù) KMC量標(biāo)準(zhǔn)可知，原變量適合進(jìn)行因

6、子分析。.因子分析的共同度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?xì)饧?.000.992水生產(chǎn)和供應(yīng)業(yè)）Zscore:建筑業(yè)1.000.987Zscore（批發(fā)和零售業(yè)）1.000.965Zscore（交通運(yùn)輸、倉儲(chǔ)和郵 政業(yè)）1.000.935ExtractionMethod:PrincipalComponentAnalysis.表格所示是因子分析的共同度。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

7、個(gè)公因子得到的共同度，可以看到只有“采礦 業(yè)”的共同度稍低，說明其信息丟失量稍嚴(yán)重。.因子分析的總方差解釋TotalVarianceExplainedCompon entInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotal%ofVaria nceCumulative%Total%ofVaria nceCumulative%Total%ofVarianc eCumulative%13.07943.99243.9923.07943.99243.9922.66037.99937.9992

8、2.35333.60877.6002.35333.60877.6002.34633.51771.51631.04614.94192.5411.04614.94192.5411.47221.02592.5414.4135.90598.4465.0981.39999.8456.011.15299.9977.000.003100.000ExtractionMethod:PrincipalComponentAnalysis.該表由3部分組成，分別為初始因子解的方差解釋、提取因子解的方 差解釋和旋轉(zhuǎn)因子解的方差解釋。InitialEigenvalues部分描述了初始因子解的狀況。第一個(gè)因子的特征根為3.

9、079,解釋7個(gè)原始變量總方差的43.992%;第二個(gè)因子的特征根 為2.353,解釋7個(gè)原始變量總方差的33.608%,累計(jì)方差貢獻(xiàn)率為77.600%; 第三個(gè)因子的特征根為1.046,解釋7個(gè)原始變量總方差的14.941%,累計(jì) 方差貢獻(xiàn)率為92.541%,也就是說，三個(gè)變量解釋了所有 7各變量的90% 以上，且也只有這三個(gè)變量的特征值大于1。ExtractionSumsofSquaredLoadings 部分和 RotationSumsofSquaredLoadings部分描述了因子提取后和旋轉(zhuǎn)后的因子 解。從表中看出，有三個(gè)因子提取和旋轉(zhuǎn)，其累計(jì)解釋總方差百分比和初 始解的前三個(gè)變量相

10、同，但經(jīng)旋轉(zhuǎn)后的因子重新分配各個(gè)因子的解釋原始 變量的方差，使得因子的方差更接近，也更易于解釋。.碎石圖利用因子分析的碎石圖可以更加直觀的發(fā)現(xiàn)最優(yōu)因子的數(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。從圖中可以看出，前三 個(gè)因子的特征跟都很大，從第四個(gè)開始，因子的特征根都小于一，且連線 變得較平緩，及前三個(gè)因子對解釋變量的貢獻(xiàn)最大，6.Component123Zscore（電力、熱力、燃?xì)饧八?871產(chǎn)和供應(yīng)業(yè)）Zscore（交通運(yùn)輸、倉儲(chǔ)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:

11、建筑業(yè).687.364Zscore:制造業(yè).600.793ComponentMatrix a旋轉(zhuǎn)前 的因子 載荷矩 陣ExtractionMethod:PrincipalComponentAnalysis.a.3componentsextracted.該 表空白處 表示相應(yīng) 載荷小于 0.3。因子 載荷矩陣 中給出每 一個(gè)變量 在三個(gè)因子上的載荷。在旋轉(zhuǎn)前的載荷矩陣中所有變量在第一個(gè)因子上的載荷都較高，即與第一個(gè)因子的相關(guān)程度較高，第一個(gè)因子解釋了大部分變量的信息；而后 面兩個(gè)因子與原始變量的相關(guān)程度較小，對原始變量的解釋效果不明顯， 沒有旋轉(zhuǎn)的因子的含義很難解釋。.旋轉(zhuǎn)后的因子載荷矩陣Rot

12、atedComponentMatrix aComponent123Zscore（農(nóng)、林、牧、漁業(yè)）.899Zscore（交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)）-.716-.3.41Zscore:采礦業(yè).771.352Zscore（電力、熱力、燃?xì)饧八a(chǎn)和.749.440.441供應(yīng)業(yè)）Zscore:建筑業(yè).985Zscore（批發(fā)和零售業(yè)）.961Zscore:制造業(yè).873ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.該表空白處表示相應(yīng)載荷小于0.3。因子載荷矩陣中給出每

13、一個(gè)變量 在三個(gè)因子上的載荷。在旋轉(zhuǎn)后的載荷矩陣中可以看出，與第一產(chǎn)業(yè)相關(guān)的產(chǎn)業(yè)在第一個(gè)因 子上的載荷較高，與第二產(chǎn)業(yè)相關(guān)的產(chǎn)業(yè)在第二個(gè)因子上的載荷較高，與 第三產(chǎn)業(yè)相關(guān)的產(chǎn)業(yè)在第三個(gè)因子上的載荷較高。和沒旋轉(zhuǎn)相比，因子的 含義清楚很多。.旋轉(zhuǎn)空間的因子圖該圖為可以看做是旋轉(zhuǎn)后的載荷矩陣的圖形表示。從圖中又一次驗(yàn)證 了前面旋轉(zhuǎn)后的載荷矩陣對因子的解釋。.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)-.180.008.7

14、61Zscore（電力、熱力、燃?xì)饧?水生產(chǎn)和供應(yīng)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(yùn)輸、倉儲(chǔ)和郵 政業(yè)）-.322.204.050ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ComponentScores.列出了采用回歸法估算的因子得分系數(shù)，根據(jù)表中的內(nèi)容可以寫出因子得分函數(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+0.182