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 Statistics

N 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 2.20903

Valid 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。

2.KMO和球形Bartlett检验

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .744

Bartlett's Test of Sphericity Approx. Chi-Square 97.122

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0.000，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著差异。同时，KMO值为0.744，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) 1.000 .883

Zscore: 采矿业 1.000 .741

Zscore: 制造业 1.000 .974

Zscore(电力、热力、燃气及

水生产和供应业)

1.000 .992

Zscore: 建筑业 1.000 .987

Zscore(批发和零售业) 1.000 .965

Zscore(交通运输、仓储和邮

政业)

1.000 .935

Extraction Method: Principal Component Analysis.

表格所示是因子分析的共同度。表格第二列显示初始共同度，全部为1.000；第三列是按照提取3个公因子得到的共同度，可以看到只有“采矿业”的共同度稍低，说明其信息丢失量稍严重。

4.因子分析的总方差解释

Total Variance Explained

Compon ent

Initial Eigenvalues

Extraction Sums of Squared

Loadings Rotation Sums of Squared Loadings Total

% of

Variance

Cumulative

% Total

% of

Variance

Cumulative

% Total

% of

Variance

Cumulative

%

1 3.079 43.99

2 43.992 3.079 43.992 43.992 2.660 37.999 37.999

2 2.35

3 33.608 77.600 2.353 33.608 77.600 2.346 33.517 71.516

3 1.046 14.941 92.541 1.046 14.941 92.541 1.472 21.025 92.541

4 .413 5.90

5 98.446

5 .098 1.399 99.845

6 .011 .152 99.997

7 .000 .003 100.000

Extraction Method: Principal Component Analysis.

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。