因子分析在STATA中实现和案例Word文件下载.docx
《因子分析在STATA中实现和案例Word文件下载.docx》由会员分享，可在线阅读，更多相关《因子分析在STATA中实现和案例Word文件下载.docx（15页珍藏版）》请在冰豆网上搜索。
predictf1f2
*factor1factor2因子分得分
predictstdpresiduals
*预测标准差和残差
13.3 Estat
Eatat给出了几个非常有用的工具，包括KMO、SMC等指标。
estatanti
estatkmo
estatresiduals
estatsmc
estatsummarize
13.4因子旋转与作图
因子分析的旋转方法以及碎石图、得分图、因子载荷图与主成分分析的方法相同，请参见”主成分分析”一章。
screeplot/*碎石图*/
scoreplot/*得分图*/
loadingplot/*因子载荷图*/
rotate/*旋转*/
例：
利用2009年的数据对中国社会发展状况进行综合考察，原始数据如下表：
省份
人均GDP（元）
新增固定资产（亿元）
城镇居民人均年可支配收入（元）
农村居民家庭人均纯收入（元）
高等学校数（所）
卫生机构数（个）
area
x1
x2
x3
x4
x5
x6
北京
63029
2385.8
24724.89
10661.92
85
6497
天津
55473
1676.8
19422.53
7910.78
55
2784
河北
23239
4734.2
13441.09
4795.46
105
15632
山西
20398
1772.6
13119.05
4097.24
69
9431
内蒙古
32214
3309.3
14432.55
4656.18
39
7162
辽宁
31259
5056.7
14392.69
5576.48
104
14627
吉林
23514
3279.9
12829.45
4932.74
9659
黑龙江
21727
2405.4
11581.28
4855.59
78
7928
上海
73124
2523.2
26674.9
11440.26
66
2822
江苏
39622
7645.9
18679.52
7356.47
146
13357
浙江
42214
3434.8
22726.66
9257.93
98
15290
安徽
14485
2849.5
12990.35
4202.49
7837
福建
30123
1768.3
17961.45
6196.07
81
4478
江西
14781
2962.5
12866.44
4697.19
82
8229
山东
33083
6852.5
16305.41
5641.43
125
14973
河南
19593
6414
13231.11
4454.24
94
11683
湖北
19860
3053.4
13152.86
4656.38
118
10305
湖南
17521
2478.2
13821.16
4512.46
115
14455
广东
37589
5529.2
19732.86
6399.79
15819
广西
14966
1419
14146.04
3690.34
68
10427
海南
17175
230.2
12607.84
4389.97
16
2220
重庆
18025
1381.9
14367.55
4126.21
47
6265
四川
15378
2918.7
12633.38
4121.21
90
20738
贵州
8824
903
11758.76
2796.93
45
5848
云南
12587
1551
13250.22
3102.6
59
9249
西藏
13861
137.4
12481.51
3175.82
6
1326
陕西
18246
2262.8
12857.89
3136.46
88
8812
甘肃
12110
575.2
10969.41
2723.79
10534
青海
17389
322.8
11640.43
3061.24
9
1582
宁夏
17892
403.9
12931.53
3681.42
15
1629
新疆
19893
1162.9
11432.1
3502.9
37
6739
程序：
clear
*定义变量的标签
labelvararea省份
labelvarx1"
人均GDP（元）"
labelvarx2"
新增固定资产（亿元）"
labelvarx3"
城镇居民人均年可支配收入（元）"
labelvarx4"
农村居民家庭人均纯收入（元）"
labelvarx5"
高等学校数（所）"
labelvarx6"
卫生机构数（个）"
factorx1-x6
screeplot/*碎石图（特征值等于1处的水平线标示保留主成分的分界点）*/
*检验
estatkmo/*KMO检验，越高越好*/
estatsmc/*SMC检验，值越高越好*/
loadingplot,yline（0）xline（0）/*载荷图*/
*预测
predictscorefitresidualq/*预测变量得分、拟合值和残差以及残差的平方和*/
predictf1f2
labelvarf1收入因子
labelvarf2"
投资、社会因子"
listareaf1f2
summarizef1f2
correlatef1f2
scoreplot,xtitle（"
收入因子"
）ytitle（"
）///
mlabel（area）yline（0）xline（0）/*得分图*/
分析：
首先通过主因子分析（factor），得到主成分因子：
Factoranalysis/correlationNumberofobs=31
Method:
principalfactorsRetainedfactors=3
Rotation:
（unrotated）Numberofparams=15
--------------------------------------------------------------------------
Factor|EigenvalueDifferenceProportionCumulative
-------------+------------------------------------------------------------
Factor1|3.281931.425440.65540.6554
Factor2|1.856481.816770.37071.0261
Factor3|0.039710.062440.00791.0341
Factor4|-0.022720.03972-0.00451.0295
Factor5|-0.062440.02293-0.01251.0170
Factor6|-0.08538.-0.01701.0000
LRtest:
independentvs.saturated:
chi2（15）=211.52Prob>
chi2=0.0000
Factorloadings（patternmatrix）anduniquevariances
-----------------------------------------------------------
Variable|Factor1Factor2Factor3|Uniqueness
-------------+------------------------------+--------------
x1_s|0.8609-0.4463-0.1125|0.0469
x2_s|0.62740.6026-0.1061|0.2320
x3_s|0.8800-0.39310.0998|0.0611
x4_s|0.9120-0.36580.0365|0.0332
x5_s|0.65080.65260.0349|0.1494
x6_s|0.34270.76160.0572
升级会员 