因子分析实验报告Word下载.docx

因子分析实验报告Word下载.docx

《因子分析实验报告Word下载.docx》由会员分享，可在线阅读，更多相关《因子分析实验报告Word下载.docx（10页珍藏版）》请在冰豆网上搜索。

班级11国贸

学号

姓名

成绩

【实验目的及要求】

1.通过实验验证性研究SPSS数据的因子分析，熟练掌握SPPS软件的应用。

学会SPSS数据因子分析的相关步骤、方法。

2.根据数据文件“购房调查指数”完成以下要求：

（1）.熟悉因子分析的用途、目的。

（2.）掌握因子分析的适用条件，能正确选择适当的因子。

（3）.熟悉因子旋转的含义并能正确使用。

（4.）掌握分析结果的解释。

【实验原理】

统计分析软件的因子分析。

【实验环境】

（使用的软件）

统计分析软件18.0

实验内容：

【实验过程】

（实验步骤、记录、数据、分析）

2.

（1）选择【分析】中的【降维】，打开【因子分析】，如下图所示，将选项一一添加到变量中。

2.

（2）在

（1）图界面中选择【描述统计】，勾选相应分析项如下。

并继续：

2.（3）在

（1）图界面中，选择【抽取】，勾选相应分析项如下，并继续

2.（4）在

（1）图界面中，选择【旋转】，勾选相应分析项如下，并继续：

2.（5）在

（1）图界面中，选择【得分】，勾选相应分析项如下，并继续

2.（6）在

（1）图界面中，选择【选项】，勾选相应分析项如下，并继续

【结论】

（结果）

2.

（1）

如上图表

（1）为原有变量的相关系数矩阵。

可以看到，大部分相关系数都较高，各变量呈较强的线性关系，能够从中提取公因子，适合进行因子分析。

2.

（2）

由表

（2）可知，巴特利特球度检验统计量的观测值为596.158，相应的概率P值接近0.如果显著性顺平α为0.05，由于概率P值小于显著性水平α，应拒绝零假设，认为相关系数矩阵与单位阵有显著差异。

同时，KMO值为0.609，根据kaiser给出的KMO度量标准可知，原有变量适合进行因子分析。

2.（3）

表（3）是因子分析的初始解，显示了所有变量的共同数据。

第一列是因子分析初始解下的变量共同度，它表明，对原有8各变量如果采用主成分分析方法提取所有特征值（8个），那么原有变量的6个方差可被解释，变量的共同度均为1.。

第二列是在按指定提取条件提取特征值时的变量共同度，可以看出上述变量信息丢失都较为严重，因此本次因子提取的总体效果并不理想。

2.（4）

由表（4）可知，第一列是因子编号，以后三列组成一组，每组中数据项的含义依次是特征值、方差贡献率、累积方差贡献率。

第一组数据项（第二列至第四列）描述了初始因子了解的情况，可以看到第一个因子的特征值为1.905，解释原有8个变量总方差的31.752%（1.905÷

8×

100%），累积方差贡献率为31.752%，其余数据含义类似。

在初始解中由于提取了8个因子，因此原有变量的总方差均被解释掉。

第二组数据项（第五列至第七列）描述了因子了解的情况。

可以看到，由于指定提取两个因子，两个因子共解释了原有变量总方差的53.531%，总体上，原有变量的信息丢失还比较少，因子分析效果还算比较理想。

第三组数据项（第八列至第十列）描述了最终因子了解的情况。

可见因子旋转后，累积方差贡献率没有改变，也就是没有影响原有变量的共同度，但却重新分配了各个因子解释变量的方差，改变了各因子的方差贡献，使得因子更易于解释。

2.（5）

在表（5）中横坐标为因子数目，纵坐标为特征值。

可以看到：

第一个因子的特征值很高，对解释原有变量的贡献最大；

第3个以后的因子特征值都较小，对解释原有变量的贡献很小，已经成为可被忽略的“高山脚下的碎石”，因此提取两个因子是合适的。

2.（6）

由表（6）可知，前2个变量在第一个因子上的载荷都很高，意味着他们与第一个因子的相关程度高，第一个因子很重要，而后4个变量在第二个因子上载荷较高，其与第二个因子相关程度高，但对原有变量的解释其实并不是太显著。

另外可以看到，这两个因子的实际含义比较模糊

2.（7）

（7）.1（7）.2

（7）.3（7）.4

由表（7）.1可知，现住面积、人均面积、住房满意在第1个因子上有较高的载荷，第一个因子主要解释了这几个变量，可解释为客观因素；

文化程度、是否贷款、从业状况在第2个因子上有较高的载荷，第二个因子主要解释了这几个变量，可解释为主观因素。

其余类似。

可以看出，与旋转前相比，因子含义较为清晰。

由表（7）.3可直观地看出，从业状况、是否贷款、现住面积比较靠近两个因子坐标抽，表明分别用第2个因子刻画从业状况和是否贷款，用第1个因子刻画现住面积，信息丢失较少，效果较好。

但用一个因子分别刻画其他变量，效果不是很理想。

表（7）.4显示的是两因子的协方差矩阵，可以看出，两因子没有线性相关性，实现了因子分析的设计目标。

2.（8）

根据表（8）可以写出因子得分函数：

F1=0.143文化程度+0.025从业状况+0.462现住面积+0.428人均面积-0.089是否贷款-0.349住房满意

F2=0.483文化程度-0.409从业状况-0.011现住面积+0.096人均面积+0.452是否贷款+0.358住房满意

可见计算两个因子得分变量时，文化程度和住房满意度的权重较高，但方向恰好相反，这与因子的实际含义是相吻合的。

另外，因子得分的均值为0，标准差为1。

正值表示高于平均水平，负值表示低于平均水平。

【小结】

通过统计分析软件SPSS的实际操作，熟练掌握了因子分析的方法，对实验数据结果进行分析，更加科学严谨，让实验数据更有说服力，在实践中掌握技术，学会方法。

指导教师评语及成绩：

评语：

成绩：

指导教师签名：

批阅日期：