《SPSS因子分析报告报告材料实例操作步骤》由会员分享，可在线阅读，更多相关《SPSS因子分析报告报告材料实例操作步骤（13页珍藏版）》请在金锄头文库上搜索。
1、wordSPSS因子分析实例操作步骤实验目的：引入20032013年全国的农、林、牧、渔业，采矿业，制造 业电力、热力、燃气与水生产和供给业，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、燃气与水生产和供给业，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. open data documentopen dataopen；2. Opening excel data sourceOK.第
2、二步：1.数据标准化：在最上面菜单里面选中AnalyzeDescriptive StatisticsOK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AnalyzeDimension ReductionFactor，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 Bartletts 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C
3、ontinue.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：Descriptive Stat
4、isticsNMinimumMaximumMeanStd. Deviation农、林、牧、渔业11采 矿 业11.6制 造 业11.44电力、热力、燃气与水生产和供给业11建 筑 业11批发和零售业11交通运输、仓储和邮政业11.82Valid 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与11个变量的最小值、最大值、平均值、标准差。KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.744Bartletts Test of SphericityApprox. Chi-S
5、quaredf21Sig.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，原变量适合进展因子分析。munalitiesInitialExtractionZscore(农、林、牧、渔业).883Zscore: 采 矿 业.741Zscore: 制 造 业.974Zscore(电力、热力、燃气与水生产和供给业).992Zscore: 建 筑 业.987Zscore(批发和零售业).965Zscore(交通运
6、输、仓储和邮政业).935Extraction Method: Principal ponent 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 ExplainedponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulativ
7、e %Total% of VarianceCumulative %Total% of VarianceCumulative %1234.4135.0986.011.1527.000.003Extraction Method: Principal ponent Analysis.该表由3局部组成，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。Initial Eigenvalues局部描述了初始因子解的状况。第一个因子的特征根为3.079，解释7个原始变量总方差的43.992%；第二个因子的特征根为2.353，解释7个原始变量总方差的33.608%，累计方差贡献率为77.
8、600%；第三个因子的特征根为1.046，解释7个原始变量总方差的14.941%，累计方差贡献率为92.541%，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。Extraction Sums of Squared Loadings局部和Rotation Sums of Squared Loadings局部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一样，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
9、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，与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ponent Matrixaponent123Zscore(电力、热力、燃气与水生产和供给业).871Zscore(交通运输、仓储和邮政业)Zscore: 采 矿 业.857Zscore(农、林、牧、渔业).704Zscore(批发和零售业) .726.569Zscore: 建 筑 业 .687.364Zscore: 制 造 业 .600.793Extraction Meth
10、od: Principal ponent Analysis.a. 3 ponents extracted.该表空白处表示相应载荷小于0.3。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局部变量的信息；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Rotated ponent Matrixaponent123Zscore(农、林、牧、渔业).899Zscore(交通运输、仓储和邮政业)Zscore: 采 矿 业.
11、771 .352Zscore(电力、热力、燃气与水生产和供给业).749 .440.441 Zscore: 建 筑 业.985Zscore(批发和零售业) .961Zscore: 制 造 业 .873Extraction Method: Principal ponent Analysis. Rotation Method: Varimax with Kaiser Normalization.该表空白处表示相应载荷小于0.3。因子载荷矩阵中给出每一个变量在三个因子上的载荷。在旋转后的载荷矩阵中可以看出，与第一产业相关的产业在第一个因子上的载荷较高，与第二产业相关的产业在第二个因子上的载荷较高，与
12、第三产业相关的产业在第三个因子上的载荷较高。和没旋转相比，因子的含义清楚很多。该图为可以看做是旋转后的载荷矩阵的图形表示。从图中又一次验证了前面旋转后的载荷矩阵对因子的解释。8. 因子得分系数ponent Score Coefficient Matrixponent123Zscore(农、林、牧、渔业).445.075Zscore: 采 矿 业.261.093Zscore: 制 造 业.008.761Zscore(电力、热力、燃气与水生产和供给业).201.182.263Zscore: 建 筑 业.429.156Zscore(批发和零售业).071.402Zscore(交通运输、仓储和邮政业)
13、.204.050Extraction Method: Principal ponent Analysis. Rotation Method: Varimax with Kaiser Normalization. ponent Scores.列出了采用回归法估算的因子得分系数，根据表中的容可以写出因子得分函数F1=0.445*Zscore1+0.261*Zscore2-0.180*Zscore3+0.201*Zscore4-0.074*Zscore5+0.071*Zscore6-0.322*Zscore7F2=0.075*Zscore1-0.054*Zscore2+0.008*Zscore3+0.182*Zscore4-0.429*Zscore5+0.402*Zscore6-0.204*Zscore7F3=-0.350*Zscore1+0.093*Zscore2+0.761*Zscore3+0.263*Zscore4+0.156*Zscore5-0.130*Zscore6+0.050*Zscore7不仅如此，原数据文件中增加了变量FAC_1和FAC_2、FAC_3,表示3个因子在不同年份的得分值。附件：原始数据：标准化后的数据：
