最新SPSS因子分析-环境污染

合集下载

基于SPSS的污染源分析及在环境管理中的应用

基于SPSS的污染源分析及在环境管理中的应用基于SPSS的污染源分析及在环境管理中的应用一、引言随着现代工业化的快速发展，环境污染问题正日益引起人们的关注。

如何准确评估和控制污染源，成为环境管理的重要课题之一。

本文将以SPSS软件为工具，分析测量环境污染源的数据，并探讨其在环境管理中的应用。

通过对污染源的分析，可以为环境决策提供科学依据，推动环境保护工作的开展。

二、SPSS在污染源分析中的应用1. 数据预处理SPSS作为一款功能强大的统计分析软件，提供了数据预处理的功能。

在污染源分析中，我们常常需要处理大量的数据，包括数据的清洗、缺失值的处理、异常值的处理等。

SPSS的数据清洗功能可以帮助我们快速完成这些处理工作，确保数据的准确性和完整性。

2. 数据可视化SPSS可以将统计结果进行可视化展示，以图表形式直观地显示数据的分布情况和趋势变化。

在污染源分析中，我们可以利用SPSS绘制柱状图、折线图、散点图等，观察污染源的变化趋势，找出数据之间的关联性。

3. 相关性分析SPSS提供了丰富的统计分析方法，其中包括相关性分析。

通过相关性分析，我们可以探索各个变量之间的相关关系，查找主要因素和影响因素。

在污染源分析中，我们可以利用SPSS 计算各个污染源之间的相关系数，从而确定主要污染源和其影响因素。

4. 回归分析SPSS还提供了回归分析的功能，可以帮助我们建立数学模型，预测和解释变量之间的关系。

在污染源分析中，我们可以利用SPSS进行多元线性回归分析，确定各个因素对于污染源的贡献程度，制定相应的环境管理措施。

三、基于SPSS的污染源分析案例研究以某工业园区为例，对其主要的污染源进行分析和研究。

通过调查和统计数据收集，对该工业园区的空气污染源、水体污染源和固体废物污染源进行分析，并利用SPSS进行相关性分析和回归分析。

1. 空气污染源分析收集该工业园区不同污染源的排放数据，包括燃煤锅炉、化工厂和汽车尾气等。

将数据导入SPSS，进行相关性分析，找出不同污染源之间的相关关系。

应用spss软件包对我国环境污染的因子分析

作者单位 : 内蒙古企调队责任编辑 : 孙晓谦
因子分析是多元统计的一个分支。它研究很多变量的内部依存关系 , 把众多的变量综合成几个少数的因子。因子分析产生在世纪初期 , 当时由心理学家在实际研究中提出的 , 在此后的三四十年中 , 因子分析的理论逐渐发展成熟。后来随着计算机的发展和普及 , 终于成为一种应用广泛的统计分析方法。在 SPSS 中提供了很多种常见的因子分析方法 , 我们就以一个实际的例子来具体说明如何使用 SPSS 进行因子分析。
应用 SPSS 软件包对我国环境污染的因子分析
吴静其木格于洪文
□信息现代化
《内蒙古统计》2000 年第 5 期
© 1995-2004 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
— 37 —
地区北京 பைடு நூலகம் 津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东
41 练好 “内功”是脱困的根本。企业是脱困的主体 , 是 “内因 ,” 因此 , 按照现代企业制度的要求运作 , 强化管理 , 苦练 “内功 ,” 是国有企业走出困境的根本出路。要坚持不懈地深化企业改革 , 从体制上、机制上消除造成企业亏损的弊端 , 彻底转变经营机制。无论是已脱困的企业还是未脱困的企业 , 都必须从有利于企业持续、健康、稳定发展的大原则出发 , 把脱困工作与经济结构调整、企业技术进步和现代企业制度建设密切结合起来 , 在完成脱困任务的同时 , 带动产业优化升级。
x5 152
1 269 1725 115 437 21

SPSS因子分析解析

SPSS因子分析解析
SPSS是一种功能强大的统计软件，可以用于执行各种分析任务，包括因子分析。

因子分析是统计学中常用的一种多变量分析方法，用于确定观察到的变量之间的潜在因子结构。

在本文中，我们将对SPSS中的因子分析进行解析。

首先，我们需要加载数据文件。

打开SPSS软件并选择“File”菜单中的“Open”选项，然后选择包含数据的文件。

一旦数据文件被加载，我们可以开始执行因子分析。

除了因子载荷矩阵之外，我们还可以通过因子分析的结果来获取其他信息，例如提取和旋转后的因子得分，这些得分表示每个观测单位在每个因子上的得分。

在进行因子分析时，还有一些重要的注意事项需要考虑。

首先，因子分析假设变量之间存在线性关系，因此在进行因子分析之前需要进行变量的线性转换。

其次，因子分析是一种探索性方法，所以需要对结果进行解释和验证。

最后，需要通过适当的统计方法（例如Kaiser准则和scree 图）确定保留的因子数量。

总而言之，SPSS是一种非常强大的工具，可以用于执行因子分析以探索数据的潜在因子结构。

通过合理选择提取和旋转方法以及对结果的解释和验证，我们可以从中获得有关变量之间关系的有价值的洞察。

探讨利用SPSS软件分析城市大气环境污染

探讨利用SPSS软件分析城市大气环境污染摘要：伴随着我国经济的高速发展，城市化的持续加速，城市大气污染问题也愈发严重，对人民群众的生产生活造成极大的影响。

更好地保护和改善空气质量，为人民群众提供健康舒适的环境。

本文主要采用SPSS软件的主成分分析方法对城市的空气质量进行研究，探讨各参数对空气质量的影响及因素。

关键词：SPSS软件分析；城市大气环境污染；主成分分析方法近年来，伴随着现代化、工业化的发展，我国主要城市大气中的“煤烟”类污染占主导地位，大气中的总悬浮物含量偏高，SO2污染偏高，汽车排放污染物总量迅速增长，NOx污染日趋严重，我国已经出现多个“酸雨区”。

这不仅给生态环境带来严重的破坏，而且还会影响到人们的身体健康。

在污染物的组成上，空气污染可以分为三类：第一类是生活污染源，即食物、取暖、燃烧等过程中产生的有害气体、烟气；二是工业污染源，主要指火电、钢铁厂、有色金属厂、各类化工企业等引起的空气污染；三是交通污染物，包括机动车、航空器、火车和轮船等交通工具产生的烟尘和尾气。

一、SPSS软件技术概述1.1SPSSSPSS(Statistical Package for the Social Science）是一种广泛应用于多个学科的、具有广泛应用前景的数据处理软件。

该软件具有无需编写程序，只需简单的图形界面就能完成，而且运算速度很快的特点，因而深受广大用户的喜爱。

目前，SPSS是一种在社会，经济，生物，教育，心理学等众多学科中都有很大的应用。

1.2多元统计分析方法多元统计分析是一种有效的数学工具，可以快速分类、筛选、总结和提取少数隐含和独立的环境事件的主要控制因素，从而找出环境事件的科学规律。

它是实现快速有效的空间统计分析和数据挖掘的有效技术手段。

环境系统是一个非常复杂的体系，在研究往往涉及多个变量。

环境监测数据因其数量多、动态变化、相互关系等特点，给从这些数据中提取有用的信息带来了很大的困难。

(完整版)SPSS因子分析

因子分析
• 因子分析的作用 • 如何利用SPSS进行因子分析
统计学上的定义
• 因子分析就是用少数几个因子来描述许多指标或因素之间的联系。
因子分析的特点
（1）因子变量的数量远少于原有的指标变量的数量，对因子变量的分析能够减少分析中的计算工作量。
（2）因子变量不是对原有变量的取舍，而是根据原始变量的信息进行重新组构，它能够反映原有变量大部分的信息。
（3）因子变量之间不存在线性相关关系，对变量的分析比较方便。
（4）因子变量具有命名解释性，即该变量是对某些原始变量信息的综合和反映。
因子分析的4个基本步骤
因子分析有两个核心问题：一是如何构造因子变量；二是如何对因子变量进行命名解释。因子分析有下面4个基本步骤。（1）确定待分析的原有若干变量是否适合于因子分析。（2）构造因子变量。（3）利用旋转使得因子变量更具有可解释性。（4）计算因子变量的得分。
3 ） KMO（Kaiser-Meyer-Olkin）检验
2 决定构造因子变量的方法
因子分析中有多种确定因子变量的方法，如基于主成分模型的主成分分析法和基于因子分析模型的主轴因子法、极大似然法、最小二乘法等。其中基于主成分模型的主成分分析法是使用最多的因子分析方法之一。下面以该方法为对象进行分析。
1. 确定是否适合于因子分析
因子分析是从众多的原始变量中构造出少数几个具有代表意义的因子变量，这里面有一个潜在的要求，即原有变量之间要具有比较强的相关性。如果原有变量之间不存在较强的相关关系，那么就无法从中综合出能反映某些变量共同特性的少数公共因子变量来。因此，在因子分析时，需要对原有变量作相关分析。
最简单的方法就是计算变量之间的相关系数矩阵。如果相关系数矩阵在进行统计检验中，大部分相关系数都小于0.3，并且未通过统计检验，那么这些变量就不适合于进行因子分析。

spss因子分析的步骤 (精华!)

spss因子分析的步骤（精华！）spss因子分析可以帮助研究者揭示数据中潜在的结构或内在模式，因而它是一种有用的统计分析工具。

本文首先给出因子分析的定义以及它的目的，然后解释运用spss进行因子分析的步骤。

当一个研究者想要探索数据中潜在的结构时，他们可能会使用因子分析。

因子分析是一种运用统计方法来测量隐藏在数据集中的复杂关系的方法，它已被广泛应用在心理学、营销学、经济学等因素测量领域。

因子分析的主要目的是从测量变量中将相关性分解为潜在因素，潜在因子是隐藏在这些变量中的抽象概念，它们是一组高度相关的测量变量的等价表示，而这些变量反映着更大的概念。

第一步：准备数据首先，必须准备要使用的数据，数据必须是一组有关联的变量，其中每个变量的值都来自同一个样本。

数据必须被仔细检查以确保它们正确和完整。

第二步：查找因子使用SPSS查找因子，主要包括以下步骤：（1）打开SPSS，并选择需要处理的数据文件。

（2）在SPSS控制台上选择“分析”，然后选择“对实变量进行因子分析”。

（3）在新弹出的窗口中，选择要分析的变量，然后点击“继续”按钮。

（4）点击“计算”，SPSS将根据选定的变量计算因子。

第三步：确定因子在计算结果中，SPSS给出了一个变量贡献表，可以在这个表中确定哪些变量贡献最大的能量，选择最显著的变量作为因子。

然后点击“因子变量”，保存变量以及贡献最大的能量变量，最后点击“完成”来完成分析。

第四步：解释结果解释SPSS给出了一系列统计量来说明因子分析的结果，其中可以用来解释结果的主要统计量有：变量可被因子解释的比例（在标准因子分析中，这通常认为是75％-90％以上）、因子本身的贡献（因子得分解释的比例），因子分析综合评分（KMO综合得分）等。

如果希望加深对结果的理解，可以使用另一个特征以及其载荷来标记变量，以便更清楚地描述数据中潜在结构。

最后，研究者必须思考结果是否合理，以及这些结果是否意义重大，以便为因子分开获得有价值的结论。

应用SPSS软件分析石油污染土壤微生态环境

ＬＩＺｈｎｅｇ，ＬＩＡＮＧａｆｎｇ，ＺＨＡＯＣｈｎｇｅＣｈａｈｅｏｃｎｇ，ＺＨＡＮＧＹｕｎｂｏ，ＺＨＡＯＤｏｎｅｇｇｆｎ
（ｏｌｇｆＣｅｓｒｎｈｍｉｌＥｇｎｅｉｇ，ＣｉａＵｎｖｒｉｆＰｔｏｅｍ，ｎｄｏ２６５，ｈｎ）ＣｌｅｅｈｍｉｙａｄＣｅｃｎｉｅｒｎｏｔａｈｎｉｅｓｙｏｅｒｌｕｔＱｉｇａ６５５Ｃｉａ
Ａｂｓｒｃ：Ｍｉｒｂｉｌｅｏｙｔｍｎｐｔｏｅｍｌｕｔｄｓｉｓｗａｎａｙｅｈｒｕｇｔｔｓｉａｒｄｕｔｔａｔｃｏａｃｓｓｅｉｅｒｌｕｐｏｌｅｏｌｓａｌｚｄｔｏｈｓａｉｔｃｌｐｏｃ
ｔｎｖｓｉｔｈｅｉａｔｏｅｒｌｕｐｌｕｉｎｏｃｏａｃｍｍｕｔｔｕｃｕｅａｉｅｓｔｎｏｉｅｔｇａｅｔｍｐｃｆｐｔｏｅｍｏｌｔｏｎｍｉｒｂｉｌｏｎｉｙｓｒｔｒｎｄｄｖｒｉｙｔｔｓｒｃｉｓｏ，Ｐ，Ｈ２ａｅｒｌｕｅｒｌｕｐｌｔｄｓｉｓｅｒｓｌｓｓｗｅｈａｈｅｍａｓｆａｔｏｎｆＮｎｄｐｔｏｅｍＯ
ａｄｓｒｉｅｓｌｔｎ（ＰＳ）ａａｙｉｏｔｒｏｉｒｖｈｉｒｍｅｉｔｏｆｅｔＴｈａｏｉａｎｅｖｃｏｕｉｓＳＳｎｌｓｓｓｆｗａｅｔｍｐｏｅｔｅｂｏｅｄａｉｎｅｆｃ．ｏｅｃｎｎｃｌ

SPSS因子分析

实验环境
笃行楼 B 栋 303 1、根据SPSS输出结果，由表1可知大部分相关系数都比较高，个变量呈较强的线性关系，能够从中提取公共因子，适合进行因子分析。表1 相关系数矩阵
相关矩阵国家预算内资金相关国家预算内资金国内贷款利用外资自筹资金其他投资 1.000 .458 .229 .331 .211 国内贷款 .458 1.000 .746 .744 .686 利用外资 .229 .746 1.000 .864 .776 自筹资金 .331 .744 .864 1.00 .928 其他投资 .211 .686 .776 .928 1.000
实验步骤
第二步：将分析变量选入变量框中，点击“描述”按钮选择“系数”选项， “反映象”选项和 KOM 和“Bartlett 的球形度检验”选项，单击继续关闭窗口。点击“抽取”按钮，选择 “相关系数” 、 “碎石图”和“因子的固定变量”并在提取因子框中输入 2，单击继续关闭窗口。第三步：点击“旋转”按钮，在弹出窗口中，选择“最大方差法”和“旋转解”以及“载荷图” ，点击继续关闭窗口。点击“得分”按钮，在弹出窗口中选择“保存为变量，在方法框中选择“回归”选项，选择“显示因子得分系数矩阵”选项，点击继续关闭窗口。第四步：点击“选项”按钮，在弹出窗口中，选择“使用均值替代”和“按大小排序” ，点击继续关闭窗口，点击“确定”按钮完成。
验
df Sig.
10 .000
由表3可知，第一列为因子分析初始解下的变量共同度，表明：如果有5个变量采用主成分法提取所有特征值，那么原有变量的所有方差都可被解释，变量的共同度均为1.第二列为指定提取条件（提取2个特征值）提取特征值时的变量共同度。可以看到：绝大部分变量的绝大部分信息（大于86%）可被因子解释，这些变量的信息丢失少。表3 因子分析中的变量共同度

因子分析spss

因子分析spss
因子分析spss是一种出色的数据分析工具，它可以帮助人们更好地理解复杂的数据关系。

它能够从数据中提取出一系列维度，并帮助使用者更好地了解数据。

本文将介绍spss的基本概念，以及它的应用场景。

因子分析spss的基本概念是指，它是一种统计学方法，用于分析有关数据和关联的问题。

它能够通过特定的方法来提取有关数据之间相关性的信息，从而帮助使用者更好地获得数据之间的关系。

spss可以帮助分析师从复杂的数据中提取出有用的信息，并从这些信息中推导出有用的结论。

具体而言，spss可以用于识别数据之间的关系，基于关系来建立模型，从而帮助使用者更深入地理解数据间的关系。

另外，spss还可以用于预测数据的未来变化趋势。

它能够根据历史数据，推断未来可能发生的变化，并为决策者提供有力的参考依据。

此外，spss还有另一个重要用途就是帮助决策者理解消费者行为。

通过spss，可以分析数据从而获悉消费者的偏好，更好地了解消费者的行为和兴趣。

总之，spss可以帮助人们更好地理解数据，收集有效信息，从而提供有力的决策参考。

因此，它是一种十分实用的工具，可以极大地提高数据分析的效率，为各类行业带来巨大的便利。

- 1 -。

因子分析的SPSS实现

因子分析的SPSS实现因子分析是一种多变量统计分析方法，用于挖掘多个观察变量之间的潜在维度。

它可以帮助我们减少数据的维度，理解变量之间的关系，并揭示隐藏的结构。

SPSS（统计包统计学软件）是一种广泛使用的统计分析软件，可用于实现因子分析。

下面是在SPSS中执行因子分析的一般步骤：1.准备数据：导入数据文件并确保数据格式正确。

数据应以行列表示个体，以列列表示观察变量。

2.选择因子分析方法：SPSS提供了几种因子分析方法，包括主成分分析和因子分析。

选择适当的方法是根据研究目的和数据性质来确定的。

3.执行因子分析：-在SPSS菜单栏中，选择"分析"，然后选择"降维"，再选择"因子"。

-在因子分析对话框中，选择要分析的变量，并将它们添加到“因子分析变量”列表中。

-在“因子分析变量”列表下方的“因子分析可选命令”中，选择所需的选项，如旋转方法、提取因子数等。

4.选择因子数：因子数是指在因子分析中用于解释变量之间关系的维度数。

选择因子数时，可以根据很多方法进行判断，如Kaiser准则、断裂点法和平行分析等。

在SPSS中，可以使用不同的提取因子数方法，比如特征值大于1和Scree plot。

5.旋转因子：在因子分析中，因子可以进行旋转以提高解释性。

旋转方法包括正交旋转和斜交旋转。

查找可解释因素的最初结构后，可根据数据和研究目的选择适当的旋转方法。

6.结果解读：通过SPSS生成的输出结果，我们可以获得一些关键信息，如特征值、共方差解释总量、因子载荷矩阵、因子之间的相关性等。

根据这些结果，我们可以解读因子分析的结果，并利用它们做进一步的研究。

需要注意的是，因子分析是一种复杂的统计方法，需要在进行因子分析之前对相关性和样本适应性进行检查。

此外，还需要在解释因子分析结果时小心，尽量确保结果的解释合理可靠。

总之，SPSS是一种功能强大的软件工具，可用于执行因子分析以及其他各种统计分析。

使用SPSS软件进行因子分析和聚类分析的方法

使用SPSS软件进行因子分析和聚类分析的方法因子分析和聚类分析是一种常用的数据分析方法，可以用于数据降维和分组。

SPSS是一款常用的统计软件，提供了丰富的分析工具和函数，可以方便地进行因子分析和聚类分析。

一、因子分析：因子分析是一种多变量分析方法，可以将一组相关的变量转化为少数几个互相独立的综合变量，称为因子。

因子分析可以用于降低数据的维度，提取主要的因素，并分析因素之间的关系。

以下是使用SPSS软件进行因子分析的步骤：1.打开SPSS软件，并导入要进行因子分析的数据集。

2.菜单栏选择“分析”-“降维”-“因子”。

3.在弹出的因子分析对话框中，选择要进行因子分析的变量，将其添加到“因子”框中。

4.在“提取”选项中，选择提取的因子个数。

可以根据实际需求和经验进行选择。

5. 在“旋转”选项中，选择旋转方法。

常用的旋转方法有方差最大旋转（Varimax），斜交旋转（Oblique）等。

6.点击“确定”按钮，进行因子分析。

7.SPSS会生成因子载荷矩阵、解释方差表、因子得分等结果。

可以根据因子载荷矩阵和解释方差表来解释因子的含义和解释度。

8.根据具体需求和分析目的，可以进行因子得分的计算和因子分组的分析。

二、聚类分析：聚类分析是一种无监督学习方法，可以将一组样本数据自动分成若干互不相交的群组，称为簇。

聚类分析可以用于数据的分组和群体特征的分析。

以下是使用SPSS软件进行聚类分析的步骤：1.打开SPSS软件，并导入要进行聚类分析的数据集。

2.菜单栏选择“分析”-“分类”-“聚类”。

3.在弹出的聚类分析对话框中，选择要进行聚类分析的变量，将其添加到“变量”框中。

可以选择多个变量进行分析。

4.在“距离”选项中，选择计算样本间距离的方法。

常用的方法有欧几里得距离、曼哈顿距离等。

5. 在“聚类方法”选项中，选择聚类算法的方法。

常用的方法有层次聚类（Hierarchical Clustering）、K均值聚类（K-means）等。

SPSS教程第十二课：因子分析

您要打印的文件是：SPSS教程第十二课：因子分析打印本文SPSS教程第十二课：因子分析作者：佚名转贴自：本站原创点击数：1440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Data Reduction的Factor...命令项，弹出Factor Analysis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Ø钮使之进入Variables 框。

图11.2 因子分析对话框点击Descriptives...钮，弹出Factor Analysis:Descriptives 对话框（图11.3），在Statistics 中选Univariate descriptives项要求输出各变量的均数与标准差，在Correlation Matrix栏内选Coefficients项要求计算相关系数矩阵，并选KMO and Bartlett’s test of sphericity项，要求对相关系数矩阵进行统计学检验。

点击Continue钮返回Factor Analysis对话框。

图11.3 描述性指标选择对话框点击Extraction...钮，弹出Factor Analysis: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Principal components：主成分分析法；Unweighted least squares：未加权最小平方法；Generalized least squares：综合最小平方法；Maximum likelihood：极大似然估计法；Principal axis factoring：主轴因子法；Alpha factoring：α因子法；Image factoring：多元回归法。

本例选用Principal components方法，之后点击Continue钮返回Factor Analysis对话框。

运用spss对各地区的废气排放进行因子分析

摘要多元统计分析是运用数理统计方法来研究解决多指标问题的理论和方法。

近30年来，随着计算机应用技术的发展和科研生产的迫切需要。

多元统计分析技术被广泛地应用于地质、气象、水文等许多领域，已经成为解决实际问题的有效方法。

因子分析模型是主成分分析的推广。

它也是利用降维的思想，由研究原始变量相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。

相对于主成分分析，因子分析更倾向于描述原始变量之间的相关关系；因此，因子分析的出发点是原始变量的相关剧增。

因子分析的思想始于1904 年查尔斯·斯皮尔曼对学生考试成绩的研究。

近年来，随着电子计算机的高速发展，人们将因子分析的理论成功地应用于心理学、医院、气象、地质、经济学等各个领域，也使得因子分析的理论和方法更加丰富。

本文利用2014年《中国统计年鉴》的统计数据资料，在研究城市废气排放的现状及主要问题的基础上，运用因子分析方法分析了影响城市废气排放的主要因素,通过SPSS的操作，得出它的成分矩阵，方差贡献度提取公共因子……最后计算它的各因子得分和综合因子得分，然后就是对变量数据进行分析，得出一些结论提出控排，合排和净化的对策建议。

关键词：应用多元统计分析因子分析SPSS 成分矩阵目录1 设计目的 (1)2 设计问题 (1)3 设计原理 (2)4 操作步骤 (2)5 结果分析 (3)5.1 主成分分析法 (3)6 设计总结 (10)致谢 (11)参考文献 (12)全国各重要城市废气排放的因子分析1 设计目的学会应用SPSS软件进行相关的因子分析，同时更好的了解应用多元统计分析的知识，熟练掌握应用多元统计分析在实际问题上的应用，并将所学的知识结合SPSS对数据的处理解决实际问题。

本设计是利用因子分析理论作分析，并用SPSS 软件进行求解2 设计问题X1表示二氧化硫年平均浓度；X2表示二氧化氮年平均浓度；X3表示可吸入颗粒数X4表示一氧化碳日均值第95百分位浓度；X5臭氧日最大8小时第九十百分位浓度；X6 细颗粒物年均浓度；X7 空气质量好于二级的天数。

环境污染的因子分析

环境污染的因子分析尹延明08020731摘要: 改革开放以来, 我国经济发展迅速, 取得了举世瞩目的伟大成就。

但在经济快速发展的同时, 也带来了一些负面效应, 如环境污染。

本文采用因子分析法对全国25个省的环境污染进行了分析、评价, 并运用SPSSl7. 0 统计软件对数据进行了计算、处理。

通过分析表明我国目前环境污染较为严重, 本文通过分析、评价可以为我国的环境污染防治提供一定的理论基础。

关键词：因子分析; 环境污染;因子分析产生于20 世纪初期, 当时由心理学家在实际研究中提出的。

因子分析是多元统计分析的一种,将多个实测变量转变为少数几个线性不相关的综合指标, 从而简化数据处理, 提示出多个变量间的因果关系。

线性综合指标往往是不能直接观测到的。

但它更能反映事物的本质, 因此在环境科学领域因子分析应用广泛。

本文就全国25个省的生活污水排放量、生活污水中化学需氧量排放量、生活二氧化硫排放量、生活烟尘排放量、工业固体废物排放量、工业废气排放总量、工业废水排放量等7 个环境污染指标之间的关系, 分析了全国各地区环境污染的特征, 为各地区环境污染治理提供了理论依据。

1、因子分析原理因子分析从变量的相关矩阵出发将一个m 维的随机向量X 分解成低于m 个且有代表性的公因子和一个特殊的m 维向量, 使其公因子数取得最佳的个数, 从而使对m 维随机向量的研究转化成对较少个数的公因子的研究。

设有n 个样本, m 个指标构成样本空间XX= ( xij) n * m i= 1, 2, ....., n; j= 1, 2,..., m因子分析过程一般经过以下步骤:( 1) 原始数据的标准化, 标准化的公式为X’ij= ( Xij- Xj) /& j, 其中Xij为第i 个样本的第j 个指标值, 而Xj 和&j 分别为j 指标的均值和标准差。

标准化的目的在于消除不同变量的量纲的影响, 而且标准化转化不会改变变量的相关系数。

SPSS因子分析-环境污染

SPSS实现因子分析
环境污染的因子分析
对全国27个省市自治区的污染物排放量七项指标作因子分析。原始数据为我国各省、直辖市、自治区工业和生活污染物排放量。
原始数据中包含7项污染指标，依次命名为 X1至 X7，其中：
X1 为生活污水排放量(万吨) , X2 为生活污水中化学需氧量排放量(吨) , X3 为生活二氧化硫排放量(吨)， X4 为生活烟尘排放量(吨) ， X5 为工业固体废物排放量(万吨) , X6 为工业废气排放总量(亿标立方米) , X7 为工业废水排放量(万吨) 。
Missing Values栏，选择 Coefficient Display 处理缺失值方法： Format栏，决定载荷系 Exclude sases listwise 数的显示格式：在分析过程中，分析变量中 Sorted by size 选中此项，有缺失值的观测量不参与分载荷系数按其数值的大小析排列并构成矩阵 Exclude cases pairwise Suppress small 成对剔除带有缺失值的观测 coefficients 选中此项，量不显示那些绝对值小于指 Replace with mean 用变定值的载荷系数，在后面量的均值代替变量的所有缺框中键入0到1之间的数作失值为临界值
计算环境污染总得分
在因子分析的基础之上，我们可以对27 个地区进行环境污染的综合分析。利用因子分析后得到的2个因子变量，可以计算出每个地区的环境污染总得分。在计算总得分时，以这2个因子变量的方差贡献率作为权数，得到计算公式：环境污染总得分 = 0.41633 F1 + 0.35408 F2 按照这个公式，就可以计算出27个地区环境污染总得分。
FACTOR过程的选择项:

因子分析spss

因子分析spss
因子分析是统计分析中使用最广泛的一种技术，它是一种统计方法，用于探索一组表现出共同变化的变量之间的关系。

它既可以运用于描述性数据，也可以用于测度数据，而SPSS是一款应用广泛的统计分析软件，不仅拥有众多的统计功能，而且操作简单，因此广受欢迎。

本文旨在介绍如何使用SPSS进行因子分析。

首先，使用SPSS进行因子分析需要先建立一个数据表，这个表需要包含所有要用于因子分析的变量。

比如，在一个研究中，要分析人们的收入、教育、种族、性别和年龄等变量之间的关系，则要将这些变量放到一个数据表中。

接下来，需要使用SPSS的数据选择框架对数据表进行编辑，这样就可以从原始的数据表中提取出有用的变量。

这一步很重要，因为研究者需要确定要分析的变量，而不是多余的变量。

接下来，就可以开始探索因子分析。

SPSS提供了一系列因子分析工具，其中最常用的是协方差矩阵方法、主成分分析、因子分析和结构方程模型等。

首先是协方差矩阵方法，它比较容易理解，使用它可以计算出两个变量之间的关系，以及它们之间的协方差。

然后是主成分分析，它旨在探索不同变量之间的共性，可以用来度量变量之间的相关性。

因子分析则是一种统计技巧，用于选择一组变量，识别变量之间的共性，以及探索变量之间的相关性。

最后是结构方程模型，它是一种更复杂的统计技术，能够捕捉变量之间的关系，考虑到变量之间的影响因素，从而帮助研究者推断变量之间的关系。

因此，使用SPSS进行因子分析既简单又快捷，它为研究者提供
了一系列有用的统计方法，可以帮助研究者探索一组变量之间的关系，并帮助研究者做出准确的决策。

SPSS大作业-环境保护

当代大学生对全球气候变化认知程度的研究摘要：随着我国经济建设的飞速发展,人们向大自然排放的有害物质与日俱增,环境问题日益严重。

环境污染问题不仅影响我国人民的生存环境和生存质量,也危害人民的身体健康,在环境污染中城市环境污染已经成为制约社会发展的重要问题。

本研究采样方式为匿名方式随机投放网络问卷以及纸质问卷，采用SPSS statistics软件分析采样数据，得到频率表以及考虑性别的交叉表。

本文考虑性别、城乡等差异，分别从基本的环保知识到主动投身环保事业等各方面加以分析，研究当代大学生对环境污染问题认知程度的差异。

关键字：性别；气候变化；差异；SPSS一、研究背景我国改革开放30多年的经济发展迅速，主要是以粗放式发展为主要模式。

由此而带来的就是高增长、高能耗、高排放的三高企业，我国是发展中国家，在经济发展的过程中，政府对环境破坏的监管不力，睁一眼闭一眼，所以我国改革开放30年快速发展以牺牲能源、破坏环境为代价的，尤其我国的经济发展又极不平衡，主要是以城市主力军，这样城市的环境恶化就很严重。

同样，农村人口环境保护意识淡薄，农村环境恶化也不可小觑，我国高速发展的近几十年来，环境的恶化程度逐年增加，应该引起政府环保部门的重视。

环境污染对人们的生活影响越来越严重，我们现在出门看到的最打眼的一景就是戴口罩的人越来越多，人们越来越感受到空气污染对自己身心健康的威胁，据统计，世界儿童死亡80%是由于空气污染导致的，这个数字让人触目惊心。

环境污染很大因素是由于企业恣意排放污染物，但在日常生活中，民众的环保意识与环保行为对生活污染——尤其是随处可见的污染——有较大的影响。

性别、年龄等不同，对气候变化认知程度也会存在差异。

本文考虑到男女性别的差异、城乡区别，分别从基本的环保知识到主动投身环保事业等各方面加以分析，研究不同性别对环境污染问题认知程度的差异。

二、研究方法及样本描述（一）研究方法本研究采样方式为匿名方式随机投放网络问卷以及纸质问卷调查的方法，与2014年5月在西安交通大学进行问卷调查。

如何利用spss做因子分析等分析(仅供参考) (1)

我就以我的数据为例来做示范，仅供参考一、信度分析（即可靠度分析）1.分析——度量——可靠度分析图 12.然后就会弹出上图1的框框。

在这里，你可以对所有的问题进行可靠度分析，如果是这样，那你只需要选中所有的问题到右边这个白色的框框，然后点击“统计量”，按照右边这个图进行打钩。

然后点“继续”。

之后就点“确定”图2 3.接着去“输出1”这个框看分析结果，你就会看到很多分析结果，其中有一个就是右图，那第一个0.808就是你所选择进行分析的数据的信度。

如果你想把每一个维度的数据进行独立的信度分析，那道理也是一样的。

二、因子分析在做因子分析之前首先要判断这些数据是否适合做因子分析，那这里就需要进行效度检验，不过总共效度检验是和因子分析的操作同步的，意思就是说你在做因子分析的时候也可以做效度检验。

具体示范如下：1.分析——降维——因子分析图 2一般来说，咱们做因子分析的时候是为了把那些具有共同属性的因子归类成一类，说的简单点就是要验证咱们所选取的每一个维度下面的题目是属于这个维度，而非其他维度的。

那一般来说，因子分析做出来的结果就是你原本有几个维度，最终分析结果就会归类成几个公因子。

2.一般来说，自变量的题目和因变量的题目是要独立分析的。

我的课题是“店面形象对顾客购买意愿的影响”那自变量就是店面形象的那些维度，因变量就是顾客购买意愿。

3.将要做分析的题目选择到右边的白框之后，就如下图打钩：“抽取”和“选项”两个不用管他。

然后就点“确定”4.按照上述步骤操作下来之后，就可以去“输出1”看分析结果。

首先看效度检验的结果：这里要看第一行和最后一行的数据，第一行数据为0.756，表明效度较高，sig为0.000，这两个结果显示这份数据完全可以做因子分析。

那就去看因子分析的结果。

5.看下面这张图，看“初始特征值”这一项下面的“合计”的数值，有几个数据是>1，那就表明此次因子分析共提取了几个公因子。

下图所示，有5个数据是>1，这表明可以提取5个公因子。

spss因子分析法

因子分析因子分析(Factor analysis):用少数几个因子来描述许多指标或因素之间的联系,以较少几个因子来反映原资料的大部分信息的统计学分析方法。

从数学角度来瞧,主成分分析就是一种化繁为简的降维处理技术。

主成分分析(Principal component analysis):就是因子分析一个特例,就是使用最多的因子提取方法。

它通过坐标变换手段,将原有的多个相关变量,做线性变化,转换为另外一组不相关的变量。

选取前面几个方差最大的主成分,这样达到了因子分析较少变量个数的目的,同时又能与较少的变量反映原有变量的绝大部分的信息。

两者关系:主成分分析(PCA)与因子分析(FA)就是两种把变量维数降低以便于描述、理解与分析的方法。

特点(1)因子变量的数量远少于原有的指标变量的数量,因而对因子变量的分析能够减少分析中的工作量。

(2)因子变量不就是对原始变量的取舍,而就是根据原始变量的信息进行重新组构,它能够反映原有变量大部分的信息。

(3)因子变量之间不存在显著的线性相关关系,对变量的分析比较方便,但原始部分变量之间多存在较显著的相关关系。

(4)因子变量具有命名解释性,即该变量就是对某些原始变量信息的综合与反映。

在保证数据信息丢失最少的原则下,对高维变量空间进行降维处理(即通过因子分析或主成分分析)。

显然,在一个低维空间解释系统要比在高维系统容易的多。

类型根据研究对象的不同,把因子分析分为R 型与Q 型两种。

当研究对象就是变量时,属于R 型因子分析;当研究对象就是样品时,属于Q 型因子分析。

但有的因子分析方法兼有R 型与Q 型因子分析的一些特点,如因子分析中的对应分析方法,有的学者称之为双重型因子分析,以示与其她两类的区别。

分析原理假定:有n 个地理样本,每个样本共有p 个变量,构成一个n ×p 阶的地理数据矩阵:当p 较大时,在p 维空间中考察问题比较麻烦。

这就需要进行降维处理,即用较少几个综合指标代替原来指标,而且使这些综合指标既能尽量多地反映原来指标所反映的信息,同时它们之间又就是彼此独立的。

浅谈SPSS主成分分析法在环境保护中的应用

浅谈SPSS主成分分析法在环境保护中的应用【摘要】本文在介绍主成成分分析方法的原理基础上，利用SPSS统计软件对徐州市1996年至2000年工业固体废物产生量进行主成分分析，建立主成分分析模型，得出主成分评价值，进行实例分析。

【关键词】SPSS；主成分分析法；工业固体废物产生量分析近年来附着经济的快速发展，徐州市的工业固体废物的产生种类及产生量都在不断发生变化，笔者借助SPSS 软件的主成分分析功能, 对1996年至2000年工业固体废物产生量变化进行分析对比, 找出其中的主要影响指标,为徐州市的工业固体废物污染防治提供决策指导。

1.主成分分析基本原理主成分分析是一种数学变换的方法，它把给定的一组（比如K个）相关变量通过线性变换转换成另外一组不相关的变量，这些新的变量按照方差依次递减的顺序排列，在数学变换中保持变量的总方差不变。

第一个变量具有最大的方差，称为第一主成分，第二个变量的方差次大，并且和第二个变量不相关，称为第二主成分，依次类推，K个变量就有K个主成分，最后一个主成分具有的方差最小，并且和前面的主成分都不相关[1]。

SPSS(Statistical Package forSocial Science) 统计分析软件是由美国SPSS 公司自20 世纪80 年代初开发的大型统计学软件包，具有主成分分析功能。

因此本文不再讨论相关的数学计算公式，本文所有操作均是在Windows XP环境下使用SPSS 10.0版本完成的。

2.利用SPSS对徐州市工业固体废物产生量进行主成分分析本文采用的数据来自1996至2000年徐州统计年鉴和环境统计综合年报，主要指标GDP（万元）、工业固体废物产生量，有危险废物、冶炼废渣、粉煤灰、炉渣、煤矸石、尾矿（万吨）8个指标进行主成成分分析：2.1原始数据录入（图1）图1 原始数据录入2.2“因子分析”对话框参数设置从主菜单的“Analyze→Data Reduction→Factor”弹出Factor Analysis 对话框完成各项指标设置。