SPSS因子分析实例操作步骤
- 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)。
S P S S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:
操作过程:
第一步:导入Excel数据文件
1.opendatadocument——opendata——open;
——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、合计以外的所有变量).
2.降维:在最上面菜单里面选中
Analyze——DimensionReduction——Factor,变量选择标准化后的数据.
3.点击右侧Descriptive,勾选CorrelationMatrix选项组中的
Coefficients和KMOandBartlett’stextofsphericity,点击Continue.
4.点击右侧Extraction,勾选ScreePlot和fixednumberwithfactors,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LodingPlot(s);点击Continue.
6.点击右侧Scores,勾选Method选项组中的Regression;勾选Displayfactorscorecoefficientmatrix;点击Continue.
7.点击右侧Options,勾选CoefficientDisplayFormat选项组中所有选项,将Absolutevalueblow改为,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
农、林、牧、渔业11
采矿业11 .6
制造业11 .44
电力、热力、燃气及水生产和
11
供应业
建筑业11
批发和零售业11
交通运输、仓储和邮政业11 .82
ValidN(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。
和球形Bartlett检验
KMOandBartlett'sTest
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy. .744
Bartlett'sTestofSphericity
df 21
Sig. .000
该表给出了因子分析的KMO和Bartlett检验结果。从表中可以看出,Bartlett球度检验的概率p值为,即假设被拒绝,也就是说,可以认为相关系数矩阵与单位矩阵有显着差异。同时,KMO值为,根据KMO度量标准可知,原变量适合进行因子分析。
3.因子分析的共同度
Communalities
Initial Extraction
Zscore(农、林、牧、渔业) .883
Zscore:采矿业.741
Zscore:制造业.974
Zscore(电力、热力、燃气及
.992
水生产和供应业)
Zscore:建筑业.987
Zscore(批发和零售业) .965
该表由3部分组成,分别为初始因子解的方差解释、提取因子解的方差解释和旋转因子解的方差解释。
InitialEigenvalues部分描述了初始因子解的状况。第一个因子的特征根为,解释7个原始变量总方差的%;第二个因子的特征根为,解释7个原始变量总方差的%,累计方差贡献率为%;第三个因子的特征根为,解释7个原始变量总方差的%,累计方差贡献率为%,也就是说,三个变量解释了所有7各变量的90%以上,且也只有这三个变量的特征值大于1。
ExtractionSumsofSquaredLoadings部分和RotationSumsofSquaredLoadings部分描述了因子提取后和旋转后的因子解。从表中看出,有三个因子提取和旋转,其累计解释总方差百分比和初始解的前三个变量相同,但经旋转后的因子重新分配各个因子的解释原始变量的方差,使得因子的方差更接近,也更易于解释。
5.碎石图
利用因子分析的碎石图可以更加直观的发现最优因子的数量。在碎石图中,横坐标表示因子数目,纵坐标表示特征根。从图中可以看出,前三个因子的特征跟都很大,从第四个开始,因子的特征根都小于一,且连线变得较平缓,及前三个因子对解释变量的贡献最大,
6. 旋转前的因子载荷矩阵 该表空白处表示相应载荷小于。因子载荷矩阵中给出每一个变量在三个因
子上的载荷。
在旋转前的载荷矩阵中所有变量在第一个因子上的载荷都较高,即与第一个因子的相关程度较高,第一个因子解释了大部分变量的信息;而后面两个因子与原始变量的相关程度较小,对原始变量的解释效果不明显,没有旋转的因子的含义很难解释。 7. 旋转后的因子载荷矩阵
RotatedComponentMatrix a
Component
1
2
3
Zscore(农、林、牧、渔业) .899
Zscore(交通运输、仓储和邮政业)
采矿业
.771 .352 Zscore(电力、热力、燃气及水生产和供应业) .749
.440 .441
Zscore:建筑业 .985
Zscore(批发和零售业)
.961
Zscore:制造业
.873
ExtractionMethod:PrincipalComponentAnalysis. RotationMethod:VarimaxwithKaiserNormalization.
ComponentMatrix a
Component
1
2
3
Zscore(电力、热力、燃气及水生产和供应业)
.871
Zscore(交通运输、仓储和邮政业) Zscore:采矿业
.857 Zscore(农、林、牧、渔业) .704 Zscore(批发和零售业) .726 .569 Zscore:建筑业 .687 .364
Zscore:制造业
.600
.793
ExtractionMethod:PrincipalComponentAnalysis. .