完整版統(tǒng)計(jì)分析與SPSS的應(yīng)用第五版課后練習(xí)答案

1、?統(tǒng)計(jì)分析與SPSS的應(yīng)用第五版?薛薇課后練習(xí)答案第11章spsS的因子分析1、簡述因子分析的主要步驟是什么?因子分析的主要步驟：一、前提條件：要求原有變量之間存在較強(qiáng)的相關(guān)關(guān)系.二、因子提取.三、使因子具 有命名解釋性：使提取出的因子實(shí)際含義清楚.四、計(jì)算樣本的因子得分.2、對根本建設(shè)投資分析.sav數(shù)據(jù)進(jìn)行因子分析.要求：1 利用主成分方法,以特征根大于1為原那么提取因子變量,并從變量共同度角度評價(jià)因子 分析的效果.如果因子分析效果不理想,再重新指定因子個(gè)數(shù)并進(jìn)行分析,對兩次分析結(jié) 果進(jìn)行比照.2比照未旋轉(zhuǎn)的因子載荷矩陣和利用方差極大法進(jìn)行旋轉(zhuǎn)的因子載荷矩陣,直觀理解因 子旋轉(zhuǎn)對因子命名可

2、解釋性的作用.“根本建設(shè)投資分析因子分析步驟：分析降維因子分析導(dǎo)入全部變量到變量框中詳細(xì)設(shè)置描述、抽取的設(shè)置如下:陌因子分拆撞迷統(tǒng)計(jì) Statistics1 iiwii m'lin rami inaHi 單爽星描述性國i5原始弁析結(jié)果.相關(guān)性矩陣13系數(shù)©.；逆程型但最著性水平匿廠再生墮E行列式PM反映象寸KMO和日artlett的球形度檢瞼時(shí)|取消常助旋轉(zhuǎn)、得分、選項(xiàng)的設(shè)置如下:卻 四字會(huì)析;國芋值7| ! «» MB 匚隔存E吾星同I .».du<« xansr方譙建1回蛻上©BM說 /rdorc o n -?jj

3、&in*民不因子時(shí)憲站坦碑I.她時(shí)癡甘|矛面J立卻£示'命啊折際3略渤g史虹阻| g |(1)相關(guān)系數(shù)矩陣國家預(yù)算內(nèi)資金 1995年、億元國內(nèi)貸款利用外資自籌資金其他投資相關(guān)系數(shù)國家預(yù)算內(nèi)資金1995年、億元國內(nèi)貸款利用外資自籌資金其他投資1.000.458.229.331.211.4581.000.746.744.686.229.7461.000.864.776.331.744.8641.000.928.211.686.776.9281.000表一是原有變量的相關(guān)系數(shù)矩陣.由表可知,一些變量的相關(guān)系數(shù)都較高,呈較強(qiáng)的線性關(guān)系,能夠從中提取公共因子,適合進(jìn)行因子分析.

4、KMO| KMO取樣適切性量數(shù).|.706 |Bartlett的球形度檢驗(yàn)上次讀取的卡方119.614自由度10顯著性.000由表二可知,巴特利特球度檢驗(yàn)統(tǒng)計(jì)量的觀測值為119.614,相應(yīng)的概率P-值接近0.如果顯著性水平為 0.05,由于概率 P-值小于顯著性水平a,那么應(yīng)拒絕原假設(shè),認(rèn)為相關(guān)系數(shù) 矩陣與單位陣有顯著差異,原有變量適合做因子分析.同時(shí),KMO值為0.706,根據(jù)KMO度量標(biāo)準(zhǔn)可知原有變量可以進(jìn)行因子分析.公因子方差初始值提取國家預(yù)算內(nèi)資金1995年、億1.000.196元國內(nèi)貸款1.000.769利用外資1.000.820自籌資金1.000.920其他投資1.000.821

5、提取方法：主成份分析由表三可知,利用外資、自籌資金、其他投資等變量的絕大局部信息大于80%可被因子解釋,這些變量的信息喪失較少. 但國家預(yù)算內(nèi)資金這個(gè)變量的信息喪失較為嚴(yán)重近80%.總的來說,本次因子提取的總體效果還不錯(cuò).為了到達(dá)更好的效果,可以重新指定 提取特征值的標(biāo)準(zhǔn),指定提取2個(gè)因子.補(bǔ)充說明如下：故由表四可知,第1個(gè)因子的特征值很高, 對解釋原有變量的奉獻(xiàn)最大；第三個(gè)以后的因子特征值都較小,對解釋原有變量的奉獻(xiàn)很小,可以忽略,因此選取兩個(gè)因子是適宜的.在上述“抽取選項(xiàng)中,選擇“因子的固定數(shù)量N并修改其值為2,其他不變.表五：重新提取因子后的公因子方差表公因子方差初始值提取國家預(yù)算內(nèi)資金

6、1995年、億1.000.975元國內(nèi)貸款1.000.795利用外資1.000.860自籌資金1.000.937其他投資1.000.882提取方法：主成份分析表五是指定提取2個(gè)特征值下的變量共同度數(shù)據(jù).由第二列數(shù)據(jù)可知,此時(shí)所有變量的共同度均較高,各個(gè)變量的信息喪失都較少.因此,本次因子提取的總體效果比較理想.總方差解釋組件初始特征值提取載荷平方和總計(jì)方差百分比累積%總計(jì)方差百分比累積%13.52670.51870.5183.52670.51870.5182.92318.45288.9703.3066.11295.0824.2003.99399.0755.046.925100.000提取方法：

7、主成份分析總方差解釋組件初始特征值提取載荷平方和旋轉(zhuǎn)載荷平方和總計(jì)方差百分比累積總計(jì)方差百分比累積總計(jì)方差百分比累積13.52670.51870.5183.52670.51870.5183.24464.88964.8892.92318.45288.970.92318.45288.9701.20424.08188.9703.3066.11295.0824.2003.99399.0755.046.925100.000提取方法：主成份分析表六中,第一個(gè)因子的特征值為 3.526,解釋原有5個(gè)變量總方差的70.5%,累計(jì)方差奉獻(xiàn) 率為70.5%;第二個(gè)因子的特征值為 0.923,解釋原有7個(gè)變量總方差

8、的18%,累計(jì)方差貢 獻(xiàn)率為88.97%.2成分矩陣組件12國家預(yù)算內(nèi)資金1995年、億.443.882元國內(nèi)貸款.877.160利用外資.906-.199自籌資金.959-.132其他投資.906-.247提取方法：主成份分析 a.已提取2個(gè)成分.表七顯示了因子載荷矩陣.由表可知,自籌資金、其他投資、利用外資和國內(nèi)貸款四個(gè)變量在第一個(gè)因子上的載荷都較高,意味著它們與第一個(gè)因子的相關(guān)程度高,第一個(gè)因子很重要；第二個(gè)因子除了與國家預(yù)算內(nèi)資金相關(guān)程度較高外,與其他的原有變量相關(guān)性較小, 對原有變量的解釋作用不明顯.下表采用方差極大法對因子載荷矩陣實(shí)行正交旋轉(zhuǎn)以使因子具有命名解釋性.指定按第一個(gè)因子

9、載荷降序的順序輸出旋轉(zhuǎn)后的因子載荷,并繪制旋轉(zhuǎn)后的因子載荷圖.旋轉(zhuǎn)后的成分矩陣a組件12國家預(yù)算內(nèi)資金1995年、億.128.979元國內(nèi)貸款.775.440利用外資.921.110自籌資金.949.190其他投資.937.064提取方法：主成份分析旋轉(zhuǎn)方法：Kaiser標(biāo)準(zhǔn)化最大方差法.a.旋轉(zhuǎn)在3次迭代后已收斂.由表可知,自籌資金、其他投資和利用外資在第1個(gè)因子上有較高的載荷,第一個(gè)因子主要解釋了這幾個(gè)變量,可解釋為外部投資；國內(nèi)貸款和國家預(yù)算內(nèi)資金在第2個(gè)因子上有較高的載荷,第二個(gè)因子主要解釋了這幾個(gè)變量,可解釋為內(nèi)部投資.與旋轉(zhuǎn)前相比,因 子含義較清楚.3、利用“消費(fèi)結(jié)構(gòu).sav數(shù)據(jù)進(jìn)

10、行因子分析的局部結(jié)果如下：成分矩陣a組件12食品.843-.435 1衣著.596.687居住.886-.057家庭設(shè)備用品及效勞.893-.090醫(yī)療保健.720.478交通和通信.898-.329教育文化娛樂效勞.965-.070雜項(xiàng)商品和效勞.894.120a.已提取2個(gè)成分.旋轉(zhuǎn)后的成分矩陣組件12食品.945.087 1衣著.132.899居住.777.429家庭設(shè)備用品及效勞.801.405醫(yī)療保健.349.791交通和通信.934.206教育文化娛樂效勞.851.460雜項(xiàng)商品和效勞.689.583提取方法：主成份分析旋轉(zhuǎn)方法：Kaiser標(biāo)準(zhǔn)化最大方差法.a.旋轉(zhuǎn)在3次迭代后已

11、收斂.(1) 根據(jù)成分矩陣計(jì)算各變量的變量共同度以及各因子變量的方差奉獻(xiàn),并以此評價(jià)本次 因子分析的總體效果是否理想.(2) 根據(jù)旋轉(zhuǎn)成分矩陣說明兩個(gè)變量的含義.“消費(fèi)結(jié)構(gòu)因子分析(1)各變量共同度如下：食品的變量共同度為0.8432+ (-0.435) 2=0.8999,其他類似.衣著為0.827居住為0.788家庭設(shè)備用品及效勞為 0.806醫(yī)療保健為0.747交通和通信為0.915教育文化娛樂效勞為0.936雜項(xiàng)商品和效勞為0.814變量共同度刻畫了因子全體對變量信息解釋的程度.此題中大多數(shù)原有變量的變量共同度均較高(全部變量共同度都大于 70%,大局部大于80%),說明提取的因子可以解釋原有 變量的大局部信息,僅有較少的信息喪失,因子分析的效果較好.個(gè)因子變量的方差奉獻(xiàn)如下：第一個(gè)因子的方差奉獻(xiàn)為 Si2=0.8432+0.5962+0.8862+'''+=5.704第二個(gè)為1.029因子的方差奉獻(xiàn)反映了因子對原有變量總方差的解釋水平.由題中可知,第一個(gè)變