SPSS操作方法：因子分析
手把手教你用SPSS做因子分析
因子分析在各行各业的应用非常广泛，尤其是科研论文中因子分析更是频频出现。
小兵也凑个热闹，参考《SPSS 统计分析》书中的案例，运用SPSS进行因子分析，作为我博客 SPSS案例分析系列的第三篇文章。
【一、概念】探讨具有相关关系的变量之间，是否存在不能直接观察到的，但对可观测变量的变化其支配作用的潜在因素的分析方法就是因子分析，也叫因素分析。
通俗点：因子分析是寻找潜在的、起支配作用因子的方法。
【二、简单实例】现在有 12 个地区的 5 个经济指标调查数据（总人口、学校校龄、总雇员、专业服务、中等房价），为对这 12 个地区进行综合评价，请确定出这 12 个地区的综合评价指标。
【三、解决方案】1、spss因子分析同一指标在不同地区是不同的，用单一某一个指标难以对12个地区进行准确的评价，单一指标智能反映地区的某一方面。
所以，有必要确定综合评价指标，便于对比。
因子分析是一个不错的选择，5 个指标即为我们分析的对象，我们希望从这5个可观测指标中寻找出潜在的因素，用这些具有综合信息的因素对各地区进行评价。
下图是spss因子分析的操作界面，主要包括5方面的选项，变量区只能选择数值型变量，分类型变量不能进入该模型。
另外，spss软件为了消除不同变量间量纲和数量级对结果的影响，在该过程中默认自动进行标准化处理，因此不需要对这些变量提前进行标准化处理。
2、描述统计选项卡我们希望看到各变量的描述统计信息，要对比因子提取前后的方差变化，所以选定“单变量描述性”和“原始分析结果”；现在是基于相关矩阵提取因子，所以，选定相关矩阵的“系数和显著性水平“，比较重要的还有 KMO 和球形检验，通过KMO值，我们可以初步判断该数据集是否适合采用因子分析方法。
比较糟糕的是，kmo结果有时并不会出现，这主要与变量个数和样本量大小有关。
3、抽取选项卡在该选项卡中设置如何提取因子，提取因子的方法有很多，最常用的就是主成分法。
因为参与分析的变量测度单位不同，所以选择“相关矩阵”，如果参与分析的变量测度单位相同，则考虑选用协方差矩阵。
因子分析SPSS操作
因子分析作业：全国30个省市的8项经济指标如下：要求：先对数据做标准化处理,然后基于标准化数据进行以下操作1、给出原始变量的相关系数矩阵；2、用主成分法求公因子,公因子的提取按照默认提取即特征值大于1,给出公因子的方差贡献度表；3、给出共同度表,并进行解释；4、给出因子载荷矩阵,据之分析提取的公因子的实际意义;如果不好解释,请用因子旋转采用正交旋转中最大方差法给出旋转后的因子载荷矩阵,然后分析旋转之后的公因子,要求给各个公因子赋予实际含义；5、先利用提取的每个公因子分别对各省市进行排名并作简单分析;最后构造一个综合因子,计算各省市的综合因子的分值,并进行排序并作简单分析;1、输入数据,依次点选分析描述统计描述,将变量x1到x8选入右边变量下面,点选“将标准化得分另存为变量”,点确定即可的标准化的数据;依次点选分析降维因子分析,打开因子分析窗口,将标准化的8个变量选入右边变量下面,点选描述相关矩阵下选中系数及KMO和Bartlett的检验,点继续,确定,就可得出8个变量的相关系数矩阵如下图;由表中数据可以看出大部分数据的绝对值都在以上,说明变量间有较强的相关性;KMO 和 Bartlett 的检验取样足够度的 Kaiser-Meyer-Olkin 度.621量;Bartlett 的球形近似卡方度检验df28Sig..000由上图看出,sig.值为0,所以拒绝相关系数为0变量相互独立的原假设,即说明变量间存在相关性;2、依次点选在因子分析窗口点选抽取方法：主成分；分析：相关性矩阵；输出：未旋转的因子解,碎石图；抽取：基于特征值特征值大于1；继续,确定,输出结果如下3个图;,第三列为累积贡献率,由上表看出前3个主成分的累计贡献率就达到了%>85%,所以选取主成分个数为3;选y1为第一主成分,y2为第二主成分,y3为第三主成分;且这三个主成分的方差和占全部方差的%,即基本上保留了原来指标的信息;这样由原来的8个指标变为了3个指标;由上图看出,成分数为3时,特征值的变化曲线趋于平缓,所以由碎石图也可大致确定出主成分个数为3;与按累计贡献率确定的主成分个数是一致的;3、共同度结果如下：;由上表数据可以看出,主成分包含了各个原始变量的80%以上的信息;4、在因子分析窗口,旋转输出：载荷阵;输出结果如下：成份矩阵a成份123Zscore: 国内.885.384.119生产Zscore: 居民.606.276消费由上表数据第一列表明：第一主成分与各个变量之间的相关性；第二列表明：第二主成分与各个变量之间的相关性；第三列表明：第三主成分与各个变量之间的相关性;可以得出：x1x3x8主要由第一主成分解释,x4x5主要由第二主成分解释,x6主要由第三主成分解释;但是x2是由第一主成分还是第二主成分解释不好确定,x7是由三个主成分中的哪个解释也不好确定;下面作因子旋转后的因子载荷阵;在因子分析窗口,抽取输出：旋转的因子解,继续；旋转方法：最大方差法,继续；确定;输出结果如下2图；旋转成份矩阵aa. 旋转在 5 次迭代后收敛;由上表数据可以得出：x1x3x5x8主要由第一主成分解释,x2x4主要由第二主成分解释,x6x7主要由第三主成分解释;与第一因子关系密切的变量主要是投入投资：固定资产投资与产出产值：国内生产总值、工业总产值方面的变量,货物周转又是投入产出的中介过程,可以命名为投入产出因子；与第二因子关系密切的都是反映民众生活水平的变量,可以命名为消费能力因子；与第三因子关系密切的是价格指数方面的变量,可以命名为价格指数因子;由上表可以看出：第二列数据表明,各个主成分的贡献率与旋转前的有变化,但是3个主成分的累积贡献率相同都是%;5、在因子分析窗口,得分因子得分保存为变量f1f2f3;方法：回归;再按三个主成分降序排列：数据排序个案：将f1选入排序依据,排列顺序：降序;同理得出按f2f3排序的结果;结果如下；最后,以各因子的方差贡献率占三个因子总方差贡献率的比重作为权重进行加权汇总,得出各城市的综合得分f;即f=f1+f2+f3/f得分在转换计算变量中的出;最后再按f得分排序;排序结果如下：f1 排序f2 排序f3 排序 f 排序山东上海云南上海江苏广东贵州山东广东北京湖北江苏河北天津新疆广东四川浙江四川四川河南西藏陕西湖北辽宁福建上海浙江浙江江苏甘肃云南上海青海广西北京湖北新疆湖南辽宁湖南云南青海湖南黑龙江海南山东新疆安徽宁夏内蒙贵州福建山东西藏河南云南广西江西广西广西甘肃宁夏陕西山西湖北山西河北北京贵州江苏黑龙江陕西黑龙江北京甘肃内蒙吉林浙江福建吉林辽宁河南山西江西湖南黑龙江青海新疆四川辽宁内蒙甘肃陕西河北江西贵州山西福建天津天津江西吉林西藏青海安徽广东吉林宁夏内蒙安徽安徽海南河南天津宁夏西藏河北海南海南有了对各个公因子的合理的解释,结合各个城市在三个公因子的得分和综合得分,就可对各城市的经济发展水平进行评价了;在投入产出因子f1上得分最高的6个城市是山东、江苏、广东、河北、四川;其中山东得分为,江苏得分为,高于其他城市,说明山东、江苏的工业的投入产出能力最高,工业发展相对较快,从而推动城市发展；而青海、宁夏、海南、西藏的投入产出能力较差,可能由于地理位置的缘故工业发展相对落后;上海、广东、北京、天津在消费能力因子f2上的得分较高,说明它们的消费能力较高,人们的收入也较高,从而生活质量较好,城市发展较快；而河南、河北得分较低,它们的消费能力较低,从而说明人们的收入也相对较低,生活质量相对差一点,城市发展较慢;云南、贵州、湖北、新疆在价格指数因子f3上的得分较高,说明在这些城市物价相对较高,可能以些非本地产的东西由于运输的不方便,使得这些物价相对较高,而广东、安徽、天津、海南的价格指数较低,说明,在这些城市,交通相对便捷,运输方便,或者本地产的东西较多基本满足需求,使得物价相对较低,但从侧面也可看出这些城市与其他城市的联系可能较少,不利于自己的总和发展,从而也说明了这些城市的发展相对较慢;由综合因子f的分就可综合评价城市的经济发展水平,综合得分的前3名上海、山东、江苏,得分最低的3个城市安徽、宁夏、海南;。
如何利用SPSS做因子分析等分析
如何利用SPSS做因子分析等分析SPSS是一款强大的统计分析软件，可以用于各种数据分析任务，包括因子分析。
因子分析是一种用于探究观测变量之间关系的统计方法，它可以帮助我们理解数据集中不同变量之间的相关性和结构。
下面是一个简要的关于如何利用SPSS进行因子分析的步骤：1.准备数据首先，需要确保将数据整理成适合因子分析的格式。
确保数据集中的变量是连续型变量，并且不存在缺失值。
如果存在缺失值，需要进行数据处理或进行数据填充。
2.导入数据打开SPSS软件，然后依次选择“File”、“Open”来导入数据文件。
选择正确的文件路径和文件名，然后点击“打开”按钮。
3.创建因子分析模型选择“Analyze”菜单下的“Dimension Reduction”子菜单，然后选择“Factor”。
将需要进行因子分析的变量移至右侧的“Variables”框中，然后点击“OK”按钮。
4.选择因子提取方法5.设置因子提取参数出现因子提取对话框后，可以选择提取的因子数目和提取标准。
默认情况下，SPSS会提取所有可能的因子。
也可以根据实际需要进行调整。
完成设置后，点击“Continue”按钮。
6.选择因子旋转方法因子旋转可帮助我们更好地理解因子结构。
在因子分析向导的旋转选项中，可以选择旋转方法，如正交旋转和斜交旋转等。
选择一个适合你的需求的旋转方法，然后点击“Rotation”按钮。
7.设置旋转参数出现旋转参数对话框后，可以选择旋转的方法和旋转的标准。
默认情况下，SPSS会选择最大方差法和标准负荷量，但你可以根据需要进行调整。
完成设置后，点击“Continue”按钮。
8.检查结果在因子分析向导的“Descriptives”选项中，可以查看因子提取和旋转后的结果。
这些结果包括因子载荷矩阵、公因子方差和解释方差等信息。
仔细检查结果，确保它们符合你的预期。
9.解释结果在进行因子分析后，需要解释因子载荷矩阵以及其他统计结果。
因子载荷矩阵可以告诉你每个变量与每个因子之间的关系。
如何利用SPSS做因子分析等分析（仅供参考）
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23.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，s ig 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。
如何利用SPSS进行因子分析(七)
因子分析是一种用于探索变量之间关系的统计方法。
在研究中，我们常常需要对大量的变量进行分析，以了解它们之间的关联性。
因子分析可以帮助我们发现变量之间的潜在结构，同时也可以帮助我们减少数据集中的复杂性。
在本文中，我们将探讨如何利用SPSS软件进行因子分析。
1. 数据准备在进行因子分析之前，首先需要准备好数据。
数据可以是定量的，也可以是定性的。
在SPSS中，我们可以通过导入Excel表格或者直接输入数据进行分析。
在导入数据之后，我们需要对数据进行清洗和筛选，确保数据的完整性和准确性。
2. 变量选择在因子分析中，我们需要选择适当的变量进行分析。
通常情况下，我们会选择相关性较高的变量进行分析，以便发现它们之间的潜在结构。
同时，我们也可以通过相关性分析或者变量筛选的方法来确定需要进行因子分析的变量。
3. 因子分析模型在SPSS中进行因子分析的时候，我们需要选择合适的因子分析模型。
通常情况下，我们可以选择主成分分析或者最大似然法进行因子分析。
在选择模型的时候，我们需要考虑数据的性质和研究的目的，以确保选择合适的模型进行分析。
4. 因子提取在进行因子分析的过程中，我们需要对因子进行提取。
在SPSS中，我们可以选择合适的提取方法，比如主成分法或者最大似然法。
在进行因子提取的时候，我们需要考虑提取的因子数目和因子的解释性，以便选择最合适的因子进行分析。
5. 因子旋转在因子分析中，我们通常会对因子进行旋转，以便更好地解释因子的结构。
在SPSS中，我们可以选择方差最大旋转或者极大似然旋转等方法进行因子旋转。
在进行因子旋转的时候，我们需要考虑因子的解释性和简单性，以便选择最合适的旋转方法。
6. 因子负荷在因子分析的结果中，我们通常会关注因子负荷。
因子负荷可以帮助我们理解变量和因子之间的关系，以及变量在因子上的权重。
在SPSS中，我们可以通过因子负荷矩阵和因子旋转后的因子负荷矩阵来进行观察和分析。
7. 结果解释在完成因子分析之后，我们需要对结果进行解释。
因子分析SPSS操作
因子分析SPSS操作因子分析是一种多变量统计方法，旨在发现潜在的结构和相关性，以便简化数据集并解释变量之间的关系。
SPSS（统计软件包社会科学）是一种广泛使用的统计软件，可以帮助研究人员进行因子分析。
在SPSS中进行因子分析的步骤如下：1.数据准备：-确保数据集已经导入到SPSS中。
-检查和清洗数据，确保数据完整、准确，并且符合因子分析的前提条件。
2.因子分析模型：- 打开SPSS软件并选择“Analyze”菜单。
- 从下拉菜单中选择“Dimension Reduction”>“Factor Analysis”。
3.变量选择：- 从左侧的变量列表中选择要进行因子分析的变量，并将它们移动到右侧的“Variables”框中。
-这些变量应该是连续变量，而非分类变量。
4.因子提取：- 在“Factor Analysis”对话框的“Extraction”选项卡中选择因子提取方法。
- 确定要提取的因子数量。
可以使用Kaiser标准（主成分分析时为特征值大于1）或Scree Plot来指导因子数量的选择。
5.因子旋转：- 进入“Rotation”选项卡，选择适当的因子旋转方法。
- 常用的方法包括Varimax、Promax、Quartimax等。
-因子旋转的目标是最大化因子载荷的简单性和解释性。
6.结果解释：-在因子分析的结果中，可以查看各个变量的因子载荷矩阵，它描述了每个变量在每个因子上的影响程度。
-可以选择将因子载荷阈值设置为一定值，以便筛选出具有较高负载的变量。
-查看每个因子的解释方差，以了解它们对原始变量的解释程度。
7.结果可视化：-可以使用SPSS的图表功能来可视化因子分析结果。
-比如，可以绘制因子载荷矩阵的热图，用不同颜色表示不同的负载水平。
-还可以绘制因子解释方差的条形图，以比较每个因子的贡献程度。
需要注意的是，因子分析在使用时需要考虑以下几点：-样本量必须足够大，一般建议至少大于观测变量数的10倍。
spss因子分析理论原理及操作分析
THANKS FOR WATCHING
感谢您的观看
因子命名
根据因子载荷矩阵，为每个因子赋予有意义 的名称。
结果解读
解释方差
分析解释的总方差，了解每个因子的贡献程 度。
因子得分
根据因子得分公式，计算每个观测值的因子 得分，进行进一步的分析或比较。
因子载荷矩阵
解读变量与因子之间的关系，确定每个变量 对因子的影响程度。
解释与讨论
结合研究目的和专业知识，对因子分析结果 进行解释和讨论。
通过因子分析，可以将复杂的数据结构简化为少数几个公共因子，便 于数据的可视化和管理。
缺点
对样本量要求高
因子分析需要较大的样本量才能获得稳 定和可靠的结果，样本量不足可能导致
分析结果不准确。
对变量间相关性要求高
因子分析要求变量间存在较强的相关 性，如果变量间相关性较弱或没有相
关性，分析结果可能不准确。
03 因子分析理论
主成分分析法
总结词
主成分分析法是一种通过线性变换将原始变量转化为少数几个互不相关的主成 分的方法。
详细描述
主成分分析法通过找出原始数据中的主要成分，使得这些主成分能够尽可能地 保留原始数据中的变异信息，从而达到降维的目的。
最大方差法
总结词
最大方差法是一种因子旋转方法，通 过旋转因子轴使得因子的解释方差达 到最大。
目的
简化数据结构、解释变量间的内在关 系、揭示潜在的公共因子、进行综合 评价等。
因子分析的原理
基于变量间的相关性
因子分析通过研究变量间的相关性，将多个变量归结为少数几个 公共因子，这些公共因子能够反映变量间的内在联系。
降维思想
通过提取公共因子，将多个变量归结为少数几个综合指标，实现数 据的降维处理，便于分析。
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
SPSS数据分析教程因子分析(共36张PPT)
12.2 因子分析的统计理论
因子分析假设每一个原始变量都可以表示成不 可观测的公共因子的线性组合和一个特殊因子 之和。
X11 a11F1a12F2 a1qFq1
X2
2
a21F1a22F2
a2qFq 2
Xpp ap1F1ap2F2 apqFqp
因子分析模型（1）
这里q为公共因子的个数 ，F1，…,Fq表示公共
它衡量公共因子的重要性。
因子分析模型的求解方法 （1）
SPSS中给出了7种求解因子分析模型的方法
主成分 未加权的最小平方法 综合最小平方法 最大似然（K） 主轴因子分解 α因子分解 映像因子分解法。
因子分析模型的求解方法（2）
这7种求解因子分析模型的方法都可以基于相 关系数矩阵 。
因子分析选项设置（1）
因子分析选项设置（2）
如果因子分析的结果输出错误信息“解不收敛” ，可以考虑更改 “最大收敛性迭代次数”为一个 较大的值，然后重新进行因子分析。
因子分析选项设置（3）
因子分析结果（1）
因子分析结果（2）
因子分析结果（3）
旋转后的因子载荷矩阵
因子的解释
第一个因子上载荷较大的原始变量有Fibre、Nutritious、 Health、Natural、Regular、Filling、Quality、Energy和 Satisfying，所有这些变量都描述了谷物产品的自然健康属 性，我们称之为“健康因子”。
结பைடு நூலகம்分析（1）：相关系数矩阵
KMO和Bartlett检验
特征值、方差贡献率和累积方差贡献率
初始因子载荷矩阵
旋转因子载荷矩阵
碎石图
因子载荷图
案例2：因子分析在市场调查中的应用
SPSS操作方法：因子分析
S P S S操作方法：因子分析09(总9页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--实验指导之四因子分析的SPSS操作方法以例为例进行因子分析操作。
1.在SPSS的数据编辑窗口（见图1）点击Analysize →Data Reduction →Factor，打开Factor Analysis对话框如图2.图1 因子分析操作图2 Factor Analysis 对话框将参与因子分析的变量依次选入Variables框中。
例中有8个参与因子分析的变量，故都选入变量框内。
2.单击Descriptives 按钮，打开Descriptives对话框如图3所示。
Statistics栏，指定输出的统计量。
图3 Descriptives对话框Univariate descriptives 输出每个变量的基本统计描述；Initial solution 输出初始分析结果。
输出主成分变量的相关或协方差矩阵的对角元素。
（本例选择）Correlation Matrix栏指定输出考察因子分析条件和方法。
Coefficients相关系数矩阵；Significance levels 相关系数假设检验的P值；Determinant 相关系数矩阵行列式的值；KMO and Bartlett′s test of Sphericity KMO和巴特利检验（本例选择）巴特利检验是关于研究的变量是否适合进行因子分析的检验. 拒绝原假设意味着适合进行因子分析.KMO值等于变量间单相关系数的平方和与单相关系数平方和加上偏相关系数平方和之比, 值越接近1, 意味着变量间的相关性越强,越适合进行因子分分析, KMO值越接近0, 则变量间的相关性越弱. 越不适合进行因子分析.Inverse 相关系数矩阵的逆矩阵；Reproduced 再生相关阵；Anti-image 反映象相关矩阵。
3.单击Extraction 按钮，打开Extraction对话框选项，见图4。
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。
如何利用SPSS进行因子分析(四)
SPSS是一种专业的统计分析软件，被广泛应用于社会科学研究、市场调查、医学和生物科学研究等领域。
因子分析是SPSS中常用的一种统计方法，用于发现变量之间的内在关系和结构。
本文将介绍如何利用SPSS进行因子分析，以及因子分析的基本原理和操作步骤。
1. 数据准备在进行因子分析之前，首先需要准备好数据。
数据可以采用多种方式获取，例如调查问卷、实验记录、观测数据等。
在SPSS中，数据通常以Excel或CSV格式导入。
导入数据后，需要对数据进行清洗和变量筛选，确保数据质量和可靠性。
2. 因子分析的基本原理因子分析是一种多变量分析方法，用于发现变量之间的潜在结构和相关关系。
它可以将多个变量转化为少数几个因子，以便更好地理解和解释变量之间的关系。
因子分析的基本原理是通过主成分分析或最大方差法，提取共性因子和特殊因子，从而揭示变量之间的内在结构。
3. 因子分析的操作步骤在SPSS中进行因子分析的操作步骤如下：（1）导入数据：使用“文件”菜单中的“导入数据”功能，将数据文件导入到SPSS中。
（2）选择因子分析：在“分析”菜单中选择“因子分析”，弹出因子分析对话框。
（3）选择变量：在因子分析对话框中，选择需要进行因子分析的变量，并设置相应的参数。
（4）提取因子：在因子分析对话框中，选择提取因子的方法和标准，并进行因子提取。
（5）旋转因子：在因子分析对话框中，选择旋转方法和标准，并进行因子旋转。
（6）解释因子：根据因子载荷矩阵和方差解释率，解释提取的因子结构和含义。
4. 因子分析的结果解释在进行因子分析后，需要对结果进行解释和分析。
通常可以根据因子载荷矩阵、方差解释率和特征根等指标来解释因子的结构和含义。
此外，还可以使用因子得分和因子得分图表来对因子进行解释和可视化呈现。
5. 因子分析的应用因子分析在实际应用中具有广泛的应用价值，可以用于变量降维、变量筛选、变量融合等多个方面。
例如，在市场调查中，可以利用因子分析发现消费者的偏好和需求；在医学研究中，可以利用因子分析发现疾病的相关因素和病因；在社会科学研究中，可以利用因子分析发现社会现象的内在结构和相关因素。
因子分析spss
因子分析spss因子分析spss是一种常见的数据分析方法，它可以将大量复杂数据容易地分解成几个解释变量，从而更好地理解它们之间的关联性。
本文将介绍使用SPSS进行因子分析的具体流程，包括数据准备、因子分析参数设定、结果解释等，并以实际应用案例为例展示如何正确运用因子分析spss，以实现对数据的深入分析。
一、数据准备使用SPSS进行因子分析之前，首先要准备好数据，SPSS只支持两种数据格式：矩阵式数据和表格式数据。
矩阵式数据可以在SPSS软件中创建，而表格式数据则需要使用Excel等软件创建，然后在SPSS中导入。
二、因子分析参数设定完成数据的准备后，接下来要选择正确的参数，以得到最佳的因子分析结果。
这些参数包括：因子数量、维度模型、因子提取方法、旋转方法、可能的分数等。
根据项目的特点，可以灵活选择参数，以获得最佳的因子分析结果。
三、结果解释在完成参数设定后，使用SPSS运行因子分析，就可以得到因子分析结果，结果包括变量间相关系数矩阵、因子报表、共同变量表、因子负荷量表等。
变量间相关系数矩阵是计算得到的相关系数的全部结果，用于判断变量间的相关性；因子报表显示每个变量在不同因子上的贡献程度；共同变量表显示每个因子分量共享变量的情况；因子负荷量表显示每个变量在每个因子上的负荷量情况。
通过解释这些结果，我们可以了解数据中变量间的相关性，深入了解数据之间的关联性，从而更好地分析数据。
四、实际应用案例下面，以一个实际应用案例为例，演示如何正确运用因子分析spss，以实现对数据的深入分析。
假设有10个变量，要求分析它们之间的相关性，以了解它们之间的关系。
首先，用Excel软件将变量数据录入，然后在SPSS中导入；接着，进入SPSS因子分析模块，设定因子数量为4，选择标准正交旋转法作为旋转方法，因子提取方法为最大共因子方式，维度模型为统一维度模型；最后，运行因子分析，便可以得到因子分析结果。
结果表明，变量1、2、5、6、7和8与第一个因子有较大的关联性，可以说明这些变量之间有某种共同的特征；变量3、4、9和10与第二个因子有较大的贡献，表明这几个变量具有相似的特征；另外，变量1、2、5、7和8与第三个因子有较大的贡献，变量3、4、9和10与第四个因子有较大的贡献，可以说明这些变量有一个共性，可以更好地理解变量之间的关系。
因子分析的SPSS实现
因子分析的SPSS实现因子分析（Factor Analysis）是统计学中一种常用的多变量分析方法，用于将具有相关性的一组变量归纳为较小数量的互相关联的构成因子。
SPSS是一种流行的统计分析软件，提供了方便易用的功能，可以方便地进行因子分析。
在SPSS中进行因子分析的步骤如下：步骤1：加载数据首先打开SPSS软件，并加载需要进行因子分析的数据。
可以选择从文件中导入数据，或者直接将数据复制粘贴到SPSS的数据视图中。
确保数据在SPSS中正确加载并显示。
步骤2：选择变量在"变量视图"或"数据视图"中，选择需要进行因子分析的变量。
可以使用鼠标按住Ctrl键或Shift键选择多个变量。
选择的变量应该是互相关的，即它们之间应该存在其中一种相关性。
步骤3：进行因子分析在SPSS的菜单栏中选择"分析"，然后选择"数据降维"，再选择"因子"。
在弹出的对话框中，将选中的变量移动到"因子"框中。
可以选择不同的因子提取方法，如主成分法、最大似然法等。
此外，还可以设置因子提取的标准，如特征值、累计方差等。
步骤4：解释因子在因子分析完成后，SPSS提供了多种方法来解释因子。
其中，最常用的方法是因子旋转。
通过旋转因子，可以使得因子在解释上更直观和可解释，同时减少因子之间的相关性。
SPSS提供了多种旋转方法，如正交旋转（如变换等）和斜交旋转（如极大方差法）。
可以根据实际需求选择合适的旋转方法。
步骤5：解释因子载荷因子载荷提供了每个变量与每个因子之间的相关性信息。
在SPSS的因子分析结果中，可以查看因子载荷矩阵，该矩阵显示了每个变量与每个因子的相关系数。
通常认为绝对值大于0.3或0.4的载荷系数比较重要。
步骤6：因子得分计算因子得分计算用于将原始变量转换为因子得分，以进行后续的分析和解释。
在SPSS中，可以通过计算函数来计算因子得分，方法如下：1.在菜单栏中选择"变量视图"，在需要计算因子得分的变量旁边添加一个新的变量。
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的：引入2003~2013年全国的农、林、牧、渔业，采矿业，制造业电力、热力、燃气及水生产和供应业，建筑业，批发和零售业，交通运输、仓储和邮政业7个产业的投资值作为变量，来研究其对全国总固定投资的影响。
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、燃气及水生产和供应业，建筑业，批发和零售业，交通运输、仓储和邮政业作为变量。
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 data document——open data——open；2. Opening excel data source——OK.第二步：1.数据标准化：在最上面菜单里面选中Analyze——Descriptive Statistics——OK （变量选择除年份、合计以外的所有变量）.2.降维：在最上面菜单里面选中Analyze——Dimension Reduction——Factor ，变量选择标准化后的数据.3.点击右侧Descriptive，勾选Correlation Matrix选项组中的Coefficients和KMO and Bartlett’s text of sphericity,点击Continue.4.点击右侧Extraction,勾选Scree Plot和fixed number with factors，默认3个，点击Continue.5.点击右侧Rotation，勾选Method选项组中的Varimax；勾选Display选项组中的Loding Plot(s)；点击Continue.6.点击右侧Scores，勾选Method选项组中的Regression；勾选Display factor score coefficient matrix；点击Continue.7.点击右侧Options，勾选Coefficient Display Format选项组中所有选项，将Absolute value blow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Descriptive StatisticsN 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、燃气及水生产和11 3.36 15.05 10.3545 3.22751供应业建筑业11 1.79 23.51 7.8955 6.18302批发和零售业11 2.10 18.52 9.1018 5.50553交通运输、仓储和邮政业11 .82 8.39 2.7891 2.20903Valid N (listwise) 11该表提供分析过程中包含的统计量，表格显示了样本容量以及11个变量的最小值、最大值、平均值、标准差。
如何利用SPSS进行因子分析(Ⅰ)
进行因子分析是一种常用的统计方法，用于探索变量之间的关系和潜在的结构。
SPSS（Statistical Package for the Social Sciences）是一款广泛使用的统计软件，能够帮助研究人员进行因子分析。
本文将介绍如何利用SPSS进行因子分析，包括数据准备、因子提取和旋转、解释因子结果等内容。
一、数据准备在进行因子分析之前，首先需要准备好数据。
在SPSS中，可以通过导入Excel文件或手动输入数据来创建数据集。
数据集应包含需要进行因子分析的变量，确保数据的完整性和准确性。
另外，需要对数据进行缺失值处理和异常值处理，以保证因子分析的结果准确性。
二、因子提取和旋转在SPSS中，进行因子分析的步骤包括因子提取和因子旋转。
因子提取是指从一组变量中提取出共同的因子，用于解释变量之间的共变性。
SPSS提供了常用的因子提取方法，如主成分分析和最大似然法。
用户可以根据自己的研究目的和数据特点选择合适的因子提取方法。
在进行因子提取后，通常需要对提取出的因子进行旋转，以便更好地解释因子结果。
SPSS提供了多种因子旋转方法，如方差最大旋转和极大似然估计旋转。
用户可以根据自己的需要选择合适的因子旋转方法，并对结果进行比较和解释。
三、解释因子结果在完成因子提取和旋转后，需要对因子结果进行解释。
SPSS可以输出因子载荷矩阵、因子旋转后的载荷矩阵和因子得分系数矩阵等结果，帮助用户进行因子结果的解释和分析。
用户可以根据因子载荷的大小和模式来解释提取出的因子，识别出潜在的结构和关系。
此外，用户还可以通过绘制因子图和因子得分图来更直观地展现因子结果。
SPSS提供了丰富的图表功能，可以帮助用户进行数据可视化和结果呈现。
用户可以根据需要选择合适的图表类型，并对图表进行美化和修改，使其更符合研究需求。
四、结果验证和应用在完成因子分析后，需要对结果进行验证和应用。
用户可以通过内部一致性检验、因子得分的解释和实际情境中的应用等方法，对因子分析结果进行验证和评估。
因子分析SPSS操作
因子分析SPSS操作因子分析是一种常用的统计方法，用于探索多个变量之间的潜在关系。
它能够帮助研究人员识别出变量之间的关联，从而提取出共同的因素。
SPSS软件是一种广泛使用的统计分析工具，提供了强大的因子分析功能。
下面将详细介绍如何在SPSS中进行因子分析。
首先，在SPSS中打开要进行因子分析的数据集。
确保数据集包含需要进行因子分析的变量。
接下来，选择"分析"菜单，然后选择"尺度"，再选择"因子"。
这会打开"因子分析"对话框。
在"因子分析"对话框中，将需要进行因子分析的变量移动到右侧的框中，通过单击变量名称，再单击右侧的"箭头"按钮，将其添加到因子分析的变量列表中。
在"因子分析"对话框中，有几个选项需要设置。
首先是"提取方法"，它决定了如何提取因子。
常用的方法有主成分分析和最大似然估计。
主成分分析通常用于连续变量，最大似然估计用于分类变量。
选择一个适当的方法。
其次，是选择"旋转方法"，它决定了如何旋转因子。
常用的方法有方差最大化和直角旋转。
方差最大化旋转使得每个因子解释的变异最大化，直角旋转使得因子之间不相关。
根据研究目的选择一个合适的旋转方法。
最后，设置"因子的数目"，它决定了最终提取几个因子。
通常，根据因子的方差解释度和解释的变量数目来决定提取几个因子。
可以尝试提取不同数目的因子，然后根据结果进行选择。
点击"确定"按钮后，SPSS会进行因子分析，并在输出窗口中显示结果。
输出结果包括因子的提取度、因子载荷矩阵、解释的方差比例等。
根据因子载荷矩阵可以判断变量与因子之间的关系。
载荷大于0.3或0.4的变量与因子有较强的关联。
可以根据载荷大小对因子进行命名，进一步解释因子所代表的潜在构念。
(完整版)SPSS因子分析法-例子解释
因子分析的基本概念和步骤一、因子分析的意义在研究实际问题时往往希望尽可能多地收集相关变量，以期望能对问题有比较全面、完整的把握和认识。
例如，对高等学校科研状况的评价研究，可能会搜集诸如投入科研活动的人数、立项课题数、项目经费、经费支出、结项课题数、发表论文数、发表专著数、获得奖励数等多项指标；再例如，学生综合评价研究中，可能会搜集诸如基础课成绩、专业基础课成绩、专业课成绩、体育等各类课程的成绩以及累计获得各项奖学金的次数等。
虽然收集这些数据需要投入许多精力，虽然它们能够较为全面精确地描述事物，但在实际数据建模时，这些变量未必能真正发挥预期的作用，“投入”和“产出”并非呈合理的正比，反而会给统计分析带来很多问题，可以表现在：计算量的问题由于收集的变量较多，如果这些变量都参与数据建模，无疑会增加分析过程中的计算工作量。
虽然，现在的计算技术已得到了迅猛发展，但高维变量和海量数据仍是不容忽视的。
变量间的相关性问题收集到的诸多变量之间通常都会存在或多或少的相关性。
例如，高校科研状况评价中的立项课题数与项目经费、经费支出等之间会存在较高的相关性；学生综合评价研究中的专业基础课成绩与专业课成绩、获奖学金次数等之间也会存在较高的相关性。
而变量之间信息的高度重叠和高度相关会给统计方法的应用带来许多障碍。
例如，多元线性回归分析中，如果众多解释变量之间存在较强的相关性，即存在高度的多重共线性，那么会给回归方程的参数估计带来许多麻烦，致使回归方程参数不准确甚至模型不可用等。
类似的问题还有很多。
为了解决这些问题，最简单和最直接的解决方案是削减变量的个数，但这必然又会导致信息丢失和信息不完整等问题的产生。
为此，人们希望探索一种更为有效的解决方法，它既能大大减少参与数据建模的变量个数，同时也不会造成信息的大量丢失。
因子分析正式这样一种能够有效降低变量维数，并已得到广泛应用的分析方法。
因子分析的概念起源于20世纪初Karl Pearson和Charles Spearmen等人关于智力测验的统计分析。
因子分析spss
因子分析spss因子分析是一种常用的统计方法，用于研究变量之间的关系及其对整体的影响。
它的主要作用是将复杂的数据降维并提取出主要因素，从而简化分析过程。
本文将介绍因子分析的基本概念、原理、假设、步骤以及在SPSS软件中的操作方法。
一、因子分析的基本概念因子分析是一种多变量分析方法，通过寻找一组潜在的共同因素来解释观测变量之间的相关性。
它可以帮助我们理解变量之间的内在关系，并减少数据的复杂性。
二、因子分析的原理因子分析的基本原理是将一组观测变量转化为一组潜在的共同因素。
它假设每个观测变量都受到多个潜在因素的共同影响，并且通过因子载荷来衡量这种影响的强度。
三、因子分析的假设因子分析需要满足以下假设：1. 每个观测变量都是由多个潜在因素共同影响的。
2. 潜在因素之间相互独立。
3. 每个观测变量与潜在因素之间存在线性关系。
4. 观测误差是独立的。
四、因子分析的步骤1. 收集数据并确定分析目的。
2. 进行数据清洗和预处理，包括缺失值处理和异常值处理。
3. 进行合适的因子提取方法。
常用的因子提取方法包括主成分分析和极大似然估计。
4. 确定因子个数。
可以通过观察解释方差贡献和层次图来确定因子个数。
5. 进行因子旋转。
常用的旋转方法包括方差最大旋转和直角旋转。
6. 解释因子载荷。
通过观察因子载荷矩阵来解释变量与潜在因素之间的关系。
7. 计算因子得分。
将观测变量代入因子载荷矩阵，计算每个观测变量的因子得分。
8. 进行因子可靠性和效度检验。
可以使用内部一致性系数和构效效度来评估因子模型的可靠性和效度。
9. 进行结果解读和报告。
五、SPSS中的操作方法在SPSS软件中，进行因子分析的操作步骤如下：1. 打开SPSS软件并导入数据文件。
2. 选择"分析"菜单下的"数据降维"，然后选择"因子"。
3. 在因子分析对话框中，选择需要进行因子分析的变量，并选择因子提取方法和旋转方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验指导之四
因子分析的SPSS操作方法
以例13.1为例进行因子分析操作。
1.在SPSS的数据编辑窗口（见图1）点击Analysize →Data Reduction →Factor，打开Factor Analysis对话框如图
2.
图1 因子分析操作
图2 Factor Analysis 对话框
将参与因子分析的变量依次选入Variables框中。
例13.1中有8个参与因子分析的变量，故都选入变量框内。
2.单击Descriptives 按钮，打开Descriptives对话框如图3所示。
✧Statistics栏，指定输出的统计量。
图3 Descriptives对话框
Univariate descriptives 输出每个变量的基本统计描述；
Initial solution 输出初始分析结果。
输出主成分变量的相关或协方差矩阵的对角元素。
（本例选择）
✧Correlation Matrix栏指定输出考察因子分析条件和方法。
Coefficients相关系数矩阵；
Significance levels 相关系数假设检验的P值；
Determinant 相关系数矩阵行列式的值；
KMO and Bartlett´s test of Sphericity KMO和巴特利检验（本例选择）
巴特利检验是关于研究的变量是否适合进行因子分析的检验. 拒绝原假设意味着适合进行因子分析.
KMO值等于变量间单相关系数的平方和与单相关系数平方和加上偏相关系数平方和之比, 值越接近1, 意味着变量间的相关性越强,越适合进行因子分分析, KMO值越接近0, 则变量间的相关性越弱. 越不适合进行因子分析.
Inverse 相关系数矩阵的逆矩阵；
Reproduced 再生相关阵；
Anti-image 反映象相关矩阵。
3.单击Extraction 按钮，打开Extraction对话框选项，见图4。
图4 Extraction对话框
✧Method栏，指定因子分析方法。
点击下拉菜单可以选择需要的方法。
Principal components 主成分法，系统默认；（本例选择）
Unweighted least square 普通最小二乘法；
Generalized least squares 广义最小二乘法
Maximum likelihood 最大似然法
Principal Axis factoring 主轴因子法
Alpha α因子提取法
Image 映像分析法
✧Extract栏，决定提取主成分的个数。
Eigenvalue over 指定要提取因子的最小特征值，系统默认值1，也可以自定义特征值的数值。
（本例选择）
Number of factors 直接指定提取的因子个数。
✧Display栏指定与初始因子有关的输出项
Unrotated factor solution 显示未旋转的因子解。
可以自定义特征值的数值。
（本例选择）
Scree plot 显示碎石图，可用于决定因子的提取个数。
（本例选择）
4.单击Rotation按钮，打开Rotation对话框（见图5）。
图5 Rotation对话框
✧Methed栏，选择因子旋转方法。
None不作选择，系统默认项。
Varimax 正交旋转最大方差法。
是因子旋转时常用的方法。
其它方法略。
✧Display栏，选择因子旋转的输出信息。
Rotated solution 输出旋转后的因子载荷矩阵。
（本例选择）
Loading plot(s) 输出旋转后的因子载荷散布图。
5.单击Scores按钮，打开Scores对话框选项(见图6)。
图6 Scores对话框
✧Save as variables 将样品的因子得分作为新变量保存在数据文件中。
（本
例选择）
✧Method栏，指定计算因子值方法
Regression 回归法（本例选择）
Bartlett 巴特利特法
Anderson-Rubin 安德森—鲁宾法
✧Display factor Score Coefficient Matrix 输出标准化的因子得分矩阵。
（本例选择）
6.单击Options按钮，打开Options对话框选择项，见图7。
图7 Options对话框
✧Coefficient Display Format 栏，指定输出其它因子结果及缺失值的处理
方式。
本例不作选择。
Sorted by size 从第一因子开始，按降序输出因子载荷矩阵。
Suppress absolute Value less than:( ) 在框内输入数值，表示输出大于等于这个值的载荷的变量。
所有选择完成后单击OK可得输出结果。
观察部分输出的结果：
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .412
Bartlett's Test of Sphericity Approx. Chi-Square 165.364 df 28 Sig. .000
上表中表述检验表中巴特利检验通过，故本例采用因子分析是适合的。
下表是因子从每个原始变量中提取的信息量。
从上表中得出所有变量提取的信息量都在0.789以上。
上表显示各主成分解释原始变量总方差的情况。
本例保留了三个因子，这三个因子集中了原始变量的89.968%
上图表示的是碎石图，显示出取三个因子是合适的。
成分矩阵Component Matrix a
Component
1 2 3 Zscore: 固定资产利税（％）.970 .037 -.200 Zscore: 资金利税率（％）.909 -.342 .048 Zscore: 销售收入利税率（％）.851 .158 -.297 Zscore: 资金利润(%) .941 -.291 -.010 Zscore: 固定资产产值率（％）.897 -.215 -.007 Zscore: 逆：流动资金周转天数（％）.348 .814 .333 Zscore: 逆：万元产值能耗（吨）.653 -.050 .707 Zscore: 全员劳动生产率（万元/人.年）.577 .617 -.274 a. 3 components extracted.
上表表示的是因子分析的初始解的因子载荷矩阵。
上表表示的是旋转后的因子载荷矩阵。
从表中得出第一个因子表示的是固定资产利税率，资金利税率，销售收入利税率，资金利润率，固定资产产值率这五个指标。
可以认为是工业生产中投入的资金、固定资产产出的效果，可以看成是投入产出因子。
第二个因子是流动资金周转天数和劳动生产率，可以认为是效率因子，而第三个因子反映的是万元产值能耗，反映的是能源消耗效果。
上表表示的是因子得分系数，
Component Transformation Matrix正交矩阵
Compone
nt 1 2 3
1 .891 .343 .296
2 -.342 .938 -.056
3 -.297 -.051 .953
上表表示的是因子旋转的正交矩阵。
最后在数据窗口可以得到的每个样品的因子得分，可以用散布图得出因子的得分图。
各样品的因子得分（标准化得分）图
从图中可以得出因子1中华新水泥厂得分最高。
因子2中湘乡水泥厂最好。