因子分析实验报告.docx
《因子分析实验报告.docx》由会员分享,可在线阅读,更多相关《因子分析实验报告.docx(10页珍藏版)》请在冰豆网上搜索。
因子分析实验报告
青海大学财经学院
实验报告
实验项目名称因子分析
所属课程名称统计分析软件
实验类型验证性实验
实验日期2014年5月23日
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: