SPSS因子、聚类案例分析报告
- 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)。
时磊忖呎I I
喀什大学实验报告
《多元统计分析SPSS
实验报告
实验课程:基于SPSS的数据分析
实验地点:现代商贸实训中心实验室名称:经济统计实验室
学院:XXX学院年级专业班:XXX班
学生姓名:XXX 学号:20131808015
完成时间:2016 年X月X日
开课时间:2016 至2017 学年第1 学期
时需Sr彳
实验项目:中国上市银行竞争力分析
(一)实验目的
本实验目的围绕上市商业银行竞争力这一主线,遵循一般理论、具体分析到对策建议的研究思路,以我国国内上市的十家商业银行为研究对象,采用其2012 年度财务报告的数据,从盈利能力、安全能力和发展能力三方面共选取了8个重要指标,试图通过这些指标量化影响竞争力的因素,构建我国上市商业银行的竞争力评价指标体系,并运用因子分析方法,对我国上市商业银行的竞争力状况进行了分析评价。最后针对分析的结果,通过对我国上市银行竞争力进行优劣势比较,提出了提升我国上市商业银行竞争力的一些建议。
(二)实验资料
通过对资产利润率、不良贷款率、资产负债率、资本充足率、每股收益增长率、贷款增长率、存款增长率、总资产增长率等指标的选择分析不同指标在进行因子分析时所考虑的因素是否存在差异,影响我国上市商业银行的竞争力状况的因素与上述指标是否有关。
具体数据如下所示:
(三)实验步骤
1、选择菜单
附磊册说
2、选择参与因子分析的变量到(变量V )框中
箱c±%
*6 W%
3M%
3、选择因子分析的样本
4、在所示窗口中点击(描述D )按钮,指定输出结果,输出基本统计量、图
6在所示的窗口中点击(旋转 T
)按钮选择因子旋转方法
5、在所示窗口中点击(抽取E )按钮指定提取因子的方法为:
主成分分析法
即竭
14 10%
■j L.*v
Ttt'-%
3 51%
1 «w ■1 1鼠典
11 3TM 12
M 2JW
P-3%
«aw
形等
0 99%
S314A2K 13 54%
■V 何粘
2%
布磊
7、在所示窗口中点击(得分S)按钮选择计算因子得分的方法
8、在所示窗口中点击(选项)按钮
(四)实验结果及分析
分析结果如下表所示。
通过观察原始变量的相关系数矩阵,可以看到,矩阵中存在许多比较高的相关系数,并且大多数变量通过了原假设为相应变量之间的相关系数为0的t假设。相关系数实际上反映的是公共因子起作用的空间,相关系数越大,表明数据适合做因子分析。
同时,KM(级Bartlett 检验是否适合做因子分析。以上是KMC级Bartlett 检验结果,由表可知:KMO值为0.518,说明该数据适合做因子分析。上表中的巴特利特球体检验的X统计值的显著性概率是O. 000,小于1%,因此拒绝原假设,说明数据具有相关性,适宜做因子分析。
a.取样适切性量数(MSA)
反映像矩阵在其对角线上的数字若大于0.05 (出口合同为0.406 )则适合因子分析,小于
0.05则不适合因子分析。从表中得知,适合做因子分析。
变量共同度,它刻划了全部公共因子对各个变量的总方差所作的贡献,也称为公因子方差,从上表中可以得到变量共同度大部分都接近1,说明该变量的几乎全部原始信息都被所选取的公共因子说明了,也就是说,由原始变量空间转为
因子空间转化的性质较好,保留原来信息量多,因此,h「是Xi方差的重要组
成部分。
检验可以做因子分析后,我们通过因子分析得到相应的特征值和对应因子的贡献率,如下表
综合因子F,,F2, F3的特征值大于1,且对原始数据的累积贡献率达到了84.485 %,其中F1的贡献率最强,达到了34.998 %, F2的贡献率达到了
33.383 %,F3的贡献率也达到了16.104 %。这三个因子的贡献率都远远大于其它因子的贡献率,因此,F1, F2,F3是决定商业银行竞争力强弱的关键因子。
组件号
时需Sr彳
从碎石图中得到,第1个因子的特征值高于其他项,对解释原有变量的贡献最大;第5个因子之后的特征值都小,对解释原有变量的贡献较小;因此我们可以取3
个或4个因子较为合适。
a
a.提取了3个成分。
表中给出旋转前的因子载荷阵,从中可以看出,每个因子在不同原始变量上的载荷没有明显的差别,3个因子的实际含义比较模糊。为了避免初始因子综合性太强,难以找出因子的实际意义的问题,需要通过旋转坐标轴,使负载尽可能向正负0或1的方向靠近,从而降低因子的综合性,使其真实意义凸现出来。下面使用的因子旋转方法为方差最大正交旋转法,目的是使旋转后的因子载荷矩阵的结构简化,便于对各个公共因子进行合理的解释,同时保证每一个公共因子反映的信息量尽量最大。
a
旋转方法:凯撒正态化最大方差法。
a.旋转在4次迭代后已收敛。
表中给出旋转后的因子载荷阵,从表中可以看出,经过旋转后的载荷系数已经明显的两极分化了。第一个公共因子在指标X2每股收益增长率、X3资产负债率、X4资本充足率上有较大载
时磊1VCT 彳
荷,说明这3个指标有较强的关联性,可以归为一类,因此可以把第一个因子命名为“流动因子”;第二个公共因子在指标X6贷款增长率、X7存款增长率、X8总资产增长率上有较大载荷,同样可以归为一类,第二个因子可以命名为“发展因子”;同理,X1资产利润率、X5不良贷款率归
到第3类,将其命名为“安全和盈利因子”。
旋鶴后的空间叩的纽件图
在三维空间组件图中,各因子更接近于组价几,接近组件几对应的是‘旋转后的成分矩阵’的成分几。
旋转方法:凯撒正态化最大方差法。
组件得分。