SPSS因子分析報(bào)告實(shí)例操作步驟

1、實(shí)用標(biāo)準(zhǔn)文檔SPSS因子分析實(shí)例操作步驟實(shí)驗(yàn)?zāi)康?：引入 20032013年全國的農(nóng)、林、牧、漁業(yè)，采礦業(yè)，制造業(yè)電力、熱力、燃?xì)饧八a(chǎn)和供應(yīng)業(yè)，建筑業(yè)，批發(fā)和零售業(yè)，交通運(yùn)輸、倉儲(chǔ) 和郵政業(yè) 7個(gè)產(chǎn)業(yè)的投資值作為變量，來研究其對全國總固定投資的影響。實(shí)驗(yàn)變量 ： 以年份，合計(jì)（單位： 千億元） ，農(nóng)、林、牧、漁業(yè)，采礦業(yè)，制造 業(yè) 電力、熱力、燃?xì)饧八a(chǎn)和供應(yīng)業(yè)，建筑業(yè)，批發(fā)和零售業(yè)，交通運(yùn)輸、 倉儲(chǔ)和郵政業(yè)作為變量。實(shí)驗(yàn)方法： 因子分析法軟件 ：spss19.0操作過程： 第一步：導(dǎo)入 Excel 數(shù)據(jù)文件1. open data document open data open；2.

2、Opening excel data source OK.文案大全實(shí)用標(biāo)準(zhǔn)文檔第二步：1. 數(shù)據(jù)標(biāo)準(zhǔn)化：在最上面菜單里面選中 Analyze Descriptive Statistics OK （變量選擇除年份、合計(jì)以外的所有變量）2. 降維：在最上面菜單里面選中 Analyze Dimension Reduction Factor ，變量選擇標(biāo)準(zhǔn)化后的數(shù)據(jù) .文案大全實(shí)用標(biāo)準(zhǔn)文檔3. 點(diǎn)擊右側(cè) Descriptive ，勾選 Correlation Matrix 選項(xiàng)組中的 Coefficients 和 KMO and Bartlett s text of sphericity,點(diǎn)擊Cont

3、inue.4. 點(diǎn)擊右側(cè) Extraction, 勾選 Scree Plot 和 fixed number with factors默認(rèn) 3 個(gè)，點(diǎn)擊 Continue.文案大全實(shí)用標(biāo)準(zhǔn)文檔5. 點(diǎn)擊右側(cè) Rotation ，勾選 Method 選項(xiàng)組中的 Varimax；勾選 Display 選 項(xiàng)組中的 Loding Plot(s) ；點(diǎn)擊 Continue.6. 點(diǎn)擊右側(cè) Scores ，勾選 Method 選項(xiàng)組中的 Regression ；勾選 Display factor score coefficient matrix；點(diǎn)擊 Continue.文案大全實(shí)用標(biāo)準(zhǔn)文檔7. 點(diǎn)擊右側(cè)

4、Options ，勾選 Coefficient Display Format 項(xiàng)，將 Absolute value blow 改為 0.60 ，點(diǎn)擊 Continue.選項(xiàng)組中所有選8. 返回主對話框，單擊 OK.文案大全實(shí)用標(biāo)準(zhǔn)文檔輸出結(jié)果分析：1. 描述性統(tǒng)計(jì)量Descriptive StatisticsNMinimumMaximumMeanStd. Deviation農(nóng)、林、牧、漁業(yè)采礦業(yè)制造業(yè) 電力、熱力、燃?xì)饧八a(chǎn)和 供應(yīng)業(yè)建筑業(yè)批發(fā)和零售業(yè) 交通運(yùn)輸、倉儲(chǔ)和郵政業(yè) Valid N (listwise)1111111111111143.361.792.10.82

5、9.739.57.0715.0523.5118.528.397.66455.0082.690010.35457.89559.10182.78911.975152.70922.224053.227516.183025.505532.20903該表提供分析過程中包含的統(tǒng)計(jì)量，表格顯示了樣本容量以及 11個(gè)變 量的最小值、最大值、平均值、標(biāo)準(zhǔn)差。2. KMO和球形 Bartlett 檢驗(yàn)KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.744Bartletts Test of SphericityApprox.

6、 Chi-Square97.122df21Sig.000該表給出了因子分析的 KMO和 Bartlett 檢驗(yàn)結(jié)果。從表中可以看出， Bartlett 球度檢驗(yàn)的概率 p值為 0.000 ，即假設(shè)被拒絕，也就是說，可以 認(rèn)為相關(guān)系數(shù)矩陣與單位矩陣有顯著差異。同時(shí)， KMO值為 0.744 ，根據(jù) KMO度量標(biāo)準(zhǔn)可知，原變量適合進(jìn)行因子分析。文案大全實(shí)用標(biāo)準(zhǔn)文檔3. 因子分析的共同度CommunalitiesInitialExtractionZscore( 農(nóng)、林、牧、漁業(yè) )1.000.883Zscore: 采 礦 業(yè)1.000.741Zscore: 制 造 業(yè)1.000.974Zscore(

7、 電力、熱力、燃?xì)饧?.000.992水生產(chǎn)和供應(yīng)業(yè) )Zscore: 建 筑 業(yè)1.000.987Zscore( 批發(fā)和零售業(yè) )1.000.965Zscore( 交通運(yùn)輸、倉儲(chǔ)和郵1.000.935政業(yè) )Extraction Method: Principal Component Analysis.表格所示是因子分析的共同度。表格第二列顯示初始共同度，全部為1.000 ；第三列是按照提取 3 個(gè)公因子得到的共同度，可以看到只有“采礦 業(yè)”的共同度稍低，說明其信息丟失量稍嚴(yán)重。4. 因子分析的總方差解釋Total Variance ExplainedCompon entInitial Ei

8、genvaluesExtraction Sums of SquaredLoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative%Total% of VarianceCumulative%Total% of VarianceCumulative%13.07943.99243.9923.07943.99243.9922.66037.99937.99922.35333.60877.6002.35333.60877.6002.34633.51771.51631.04614.94192.5411.04614.94192.5

9、411.47221.02592.5414.4135.90598.4465.0981.39999.8456.011.15299.9977.000.003100.000Extraction Method: Principal Component Analysis.該表由 3 部分組成，分別為初始因子解的方差解釋、提取因子解的方 差解釋和旋轉(zhuǎn)因子解的方差解釋。文案大全實(shí)用標(biāo)準(zhǔn)文檔Initial Eigenvalues部分描述了初始因子解的狀況。第一個(gè)因子的特征根為 3.079 ，解釋 7 個(gè)原始變量總方差的 43.992%；第二個(gè)因子的特征 根為 2.353 ，解釋 7 個(gè)原始變量總方差的 33.6

10、08%，累計(jì)方差貢獻(xiàn)率為 77.600%；第三個(gè)因子的特征根為 1.046 ，解釋 7 個(gè)原始變量總方差的 14.941%，累計(jì)方差貢獻(xiàn)率為 92.541%，也就是說，三個(gè)變量解釋了所有 7 各變量的 90%以上，且也只有這三個(gè)變量的特征值大于 1。Extraction Sums of Squared Loadings部分和 Rotation Sums ofSquared Loadings 部分描述了因子提取后和旋轉(zhuǎn)后的因子解。 從表中看出， 有三個(gè)因子提取和旋轉(zhuǎn)，其累計(jì)解釋總方差百分比和初始解的前三個(gè)變量 相同，但經(jīng)旋轉(zhuǎn)后的因子重新分配各個(gè)因子的解釋原始變量的方差，使得 因子的方差更接近，也

11、更易于解釋。5. 碎石圖利用因子分析的碎石圖可以更加直觀的發(fā)現(xiàn)最優(yōu)因子的數(shù)量。 在碎石圖中，橫坐標(biāo)表示因子數(shù)目，縱坐標(biāo)表示特征根。從圖中可以看出，前三文案大全實(shí)用標(biāo)準(zhǔn)文檔個(gè)因子的特征跟都很大，從第四個(gè)開始，因子的特征根都小于一，且連線變得較平緩，及前三個(gè)因子對解釋變量的貢獻(xiàn)最大，6. 旋轉(zhuǎn)前的因子載荷矩陣Component MatrixComponent123Zscore（ 電力、 熱力、燃?xì)饧八a(chǎn).871和供應(yīng)業(yè) ）Zscore（ 交通運(yùn)輸、倉儲(chǔ)和郵政業(yè) ）-.860Zscore: 采 礦 業(yè).857Zscore（ 農(nóng)、林、牧、漁業(yè) ）.704Zscore（ 批發(fā)和零售業(yè) ）.726.56

12、9Zscore: 建 筑 業(yè).687.364Zscore: 制 造 業(yè).600.793Extraction Method: Principal Component Analysis. a. 3 components extracted.該表空白處表示相應(yīng)載荷小于 0.3 。因子載荷矩陣中給出每一個(gè)變量 在三個(gè)因子上的載荷。在旋轉(zhuǎn)前的載荷矩陣中所有變量在第一個(gè)因子上的載荷都較高， 即與 第一個(gè)因子的相關(guān)程度較高，第一個(gè)因子解釋了大部分變量的信息；而后 面兩個(gè)因子與原始變量的相關(guān)程度較小，對原始變量的解釋效果不明顯， 沒有旋轉(zhuǎn)的因子的含義很難解釋。7. 旋轉(zhuǎn)后的因子載荷矩陣Rotated Comp

13、onent Matrix aComponent123Zscore（ 農(nóng)、林、牧、漁業(yè) ）.899Zscore（ 交通運(yùn)輸、倉儲(chǔ)和郵政業(yè) ）-.716-.3.41Zscore: 采 礦 業(yè).771.352Zscore（ 電力、熱力、燃?xì)饧八a(chǎn)和.749.440.441供應(yīng)業(yè) ）Zscore: 建 筑 業(yè).985Zscore（ 批發(fā)和零售業(yè) ）.961文案大全實(shí)用標(biāo)準(zhǔn)文檔Zscore: 制 造 業(yè).873Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalizatio

14、n.該表空白處表示相應(yīng)載荷小于 0.3 。因子載荷矩陣中給出每一個(gè)變量 在三個(gè)因子上的載荷。在旋轉(zhuǎn)后的載荷矩陣中可以看出， 與第一產(chǎn)業(yè)相關(guān)的產(chǎn)業(yè)在第一個(gè)因 子上的載荷較高，與第二產(chǎn)業(yè)相關(guān)的產(chǎn)業(yè)在第二個(gè)因子上的載荷較高，與 第三產(chǎn)業(yè)相關(guān)的產(chǎn)業(yè)在第三個(gè)因子上的載荷較高。和沒旋轉(zhuǎn)相比，因子的 含義清楚很多。8. 旋轉(zhuǎn)空間的因子圖該圖為可以看做是旋轉(zhuǎn)后的載荷矩陣的圖形表示。從圖中又一次驗(yàn)證 了前面旋轉(zhuǎn)后的載荷矩陣對因子的解釋。8. 因子得分系數(shù)文案大全實(shí)用標(biāo)準(zhǔn)文檔Component Score Coefficient MatrixComponent123Zscore（ 農(nóng)、林、牧、漁業(yè) ）.445.0

15、75-.350Zscore: 采 礦 業(yè).261-.054.093Zscore: 制 造 業(yè)-.180.008.761Zscore（ 電力、熱力、燃?xì)饧?水生產(chǎn)和供應(yīng)業(yè) ）.201.182.263Zscore: 建 筑 業(yè)-.074.429.156Zscore（ 批發(fā)和零售業(yè) ）.071.402-.130Zscore（ 交通運(yùn)輸、倉儲(chǔ)和郵 政業(yè) ）-.322.204.050Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.Component Scores.列出了采用回歸法估算的因子得分系數(shù)，根據(jù)表中的內(nèi)容可以寫出因子得分函數(shù)F1=0.445*Zscore1+0.261*Zscore2-0.180*Zscore3+0.201*Zscore4-0.074*Zscore 5+0.071*Zscore6-0.322*Zscore7F2=0.075*Zscore1-0.054*Zscore2+0.008*Zscore3+0.182*Zscore4-0.4