spss因子分析实例.docx
《spss因子分析实例.docx》由会员分享,可在线阅读,更多相关《spss因子分析实例.docx(12页珍藏版)》请在冰豆网上搜索。
spss因子分析实例
spss因子分析实例
一.研究目的:
为了研究农民收入,我们选取了其中7种主要影响因素,包括财政用于农业的支出的比重(%),第二、三产业从业人数占全社会从业人数的比重(%),非农村人口比重,乡村从业人员占农村人口的比重(%),农业总产值占农林牧总产值的比重(%),农作物播种面积(千公顷),农村用电量(亿千瓦时)。
(数据见最后一页)
二.研究变量:
在经济生活中,根据以上分析,我们在影响农民收入因素中引入7个变量。
即设置变量:
x1-财政用于农业的支出的比重,x2-第二、三产业从业人数占全社会从业人数的比重,x3-非农村人口比重,x4-乡村从业人员占农村人口的比重,x5-农业总产值占农林牧总产值的比重,x6-农作物播种面积,x7—农村用电量。
一、研究方法:
SPSS中的因子分析。
具体操作步骤
(1)定义变量:
x1-财政用于农业的支出的比重,x2-第二、三产业从业人数占全社会从业人数的比重,x3-非农村人口比重,x4-乡村从业人员占农村人口的比重,x5-农业总产值占农林牧总产值的比重,x6-农作物播种面积,x7—农村用电量。
(2)导入数据:
file-open-data
点击右侧的Description选项,选择Statistics选项组中的initialsolution,勾选CorrelationMatrix选项组中的Coefficients和KMOandBartleltstestofsphericity,点击Continue。
点击右侧Extraction选项,其中Method选Principalcomponents,Analyze选择Correlationmatrix,Display中选择Unrotatedfactorsolution,Extract如图,点击Continue.
点击右侧Rotation选项,勾选Method选项组中的Varimax,Display中的两个选项都勾选,点击Continue。
点击右侧Scores,如图勾选,点击点击Continue。
最后点击options,默认
(3)结果分析
1.KMOandBartlett's的检验结果图
KMOandBartlett'sTest
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy.
.725
Bartlett'sTestofSphericity
Approx.Chi-Square
255.159
df
21
Sig.
.000
可以从此表中看出KMO统计量为0.725,大于最低标准,说明适合做因子分析,Bartlet球形检验,p<0.001,适合做因子分析。
2.主成分列表
TotalVarianceExplained
Component
InitialEigenvalues
ExtractionSumsofSquaredLoadings
RotationSumsofSquaredLoadings
Total
%ofVariance
Cumulative%
Total
%ofVariance
Cumulative%
Total
%ofVariance
Cumulative%
1
5.920
84.572
84.572
5.920
84.572
84.572
3.308
47.261
47.261
2
.653
9.330
93.902
.653
9.330
93.902
3.265
46.641
93.902
3
.249
3.559
97.462
4
.126
1.798
99.259
5
.042
.595
99.854
6
.008
.108
99.962
7
.003
.038
100.000
ExtractionMethod:
PrincipalComponentAnalysis.
可以从此表中看出前2个主成分特征值较大,它们的累积贡献率达到了93.902%,故选择前2个公共因子。
3.公因子方差比结果图
Communalities
Initial
Extraction
Zscore(财政用于农业的支出的比重)
1.000
.906
Zscore:
第二、三产业从业人数占全社会从业人数的比重(%)
1.000
.940
Zscore:
非农村人口比重(%)
1.000
.979
Zscore(乡村从业人员占农村人口的比重)
1.000
.977
Zscore(农业总产值占农林牧总产值的比重)
1.000
.943
Zscore:
农作物播种面积(千公顷)
1.000
.909
Zscore:
农村用电量(亿千瓦时)
1.000
.918
ExtractionMethod:
PrincipalComponentAnalysis.
结果显示,每一个指标变量的共性方差都在0.9以上,说明这2个公共因子能够很好地反应原始各项指标变量的绝大部分内容。
4.载荷散点图
从载荷散点图可以看出,第一公共因子能很好解释变量x1-财政用于农业的支出的比重,变量x5-农业总产值占农林牧总产值的比重,第二公共因子能很好地解释变量x2-第二、三产业从业人数占全社会从业人数的比重,x3-非农村人口比重,x4-乡村从业人员占农村人口的比重,x6-农作物播种面积,x7—农村用电量。
5.旋转后的因子载荷图
ComponentScoreCoefficientMatrix
Component
1
2
Zscore(财政用于农业的支出的比重)
.507
-.697
Zscore:
第二、三产业从业人数占全社会从业人数的比重(%)
.120
.112
Zscore:
非农村人口比重(%)
.170
.066
Zscore(乡村从业人员占农村人口的比重)
.072
.164
Zscore(农业总产值占农林牧总产值的比重)
.026
-.257
Zscore:
农作物播种面积(千公顷)
.691
-.510
Zscore:
农村用电量(亿千瓦时)
.247
-.022
ExtractionMethod:
PrincipalComponentAnalysis.
RotationMethod:
VarimaxwithKaiserNormalization.
ComponentScores.
经过旋转后,农作物播种面积(千公顷)、农村用电量(亿千瓦时)在因子一上有较大载荷,财政用于农业的支出的比重、农业总产值占农林牧总产值的比重咋因子二上有较大载荷。
故因子一可称为农业基本发展条件,因子二可称为政府支持情况。
6.历年农民收入总得分降序表
其中F=f1*84.572/93.902+f2*9.330/93.902
年份
f1
f2
总分F
2004
1.46067
0.23231
1.338621494
2005
1.24137
1.08005
1.225341421
1998
1.44755
-1.0258
1.20180065
1999
0.88995
-0.04301
0.797252115
2000
0.83304
0.28099
0.778188916
2001
0.79886
0.42652
0.761864705
2002
0.56754
0.85163
0.595766872
2003
0.29613
1.3662
0.402450985
1997
0.35599
0.15899
0.336416295
1996
0.141
0.023
0.129275649
1986
0.0712
-2.97824
-0.231789023
1991
-0.35654
-0.496
-0.370396593
1995
-0.53681
0.53338
-0.430477092
1992
-0.46086
-0.24669
-0.439580303
1994
-0.68793
0.39726
-0.580106709
1990
-0.70907
-0.29782
-0.66820865
1993
-0.78235
0.24344
-0.680428628
1987
-0.88133
-1.73639
-0.966287826
1989
-1.23195
0.22253
-1.087434458
1988
-2.45646
1.00764
-2.112270813
数据:
年份
财政用于农业的支出的比重
第二、三产业从业人数占全社会从业人数的比重(%)
非农村人口比重(%)
乡村从业人员占农村人口的比重
农业总产值占农林牧总产值的比重
农作物播种面积(千公顷)
农村用电量(亿千瓦时)
1986
13.43
29.5
17.92
36.01
79.99
150104.07
253.1
1987
12.2
31.3
19.39
38.62
75.63
146379.53
320.8
1988
7.66
37.6
23.71
45.9
69.25
143625.87
508.9
1989
9.42
39.9
26.21
49.23
62.75
146553.93
790.5
1990
9.98
39.9
26.41
49.93
64.66
148362.27
844.5
1991
10.26
40.3
26.94
50.92
63.09
149585.8
963.2
1992
10.05
41.5
27.46
51.53
61.51
149007.1
1106.9
1993
9.49
43.6
27.99
51.86
60.07
147740.7
1244.9
1994
9.2
45.7
28.51
52.12
58.22
148240.6
1473.9
1995
8.43
47.8
29.04
52.41
58.43
149879.3
1655.7
1996
8.82
49.5
30.48
53.23
60.57
152380.6
1812.7
1997
8.3
50.1
31.91
54.93
58.23
153969.2
1980.1
1998
10.69
50.2
33.35
55.84
58.03
155705.7
2042.2
1999
8.23
49.9
34.78
57.16
57.53
156372.81
2173.45
2000
7.75
50
36.22
59.33
55.68
156299.85
2421.3
2001
7.71
50
37.66
60.62
55.24
155707.86
2610.78
2002
7.17
50
39.09
62.02
54.51
154635.51
2993.4
2003
7.12
50.9
40.53
63.72
50.08
152414.96
3432.92
2004
9.67
53.1
41.76
65.64
50.05
153552.55
3933.03
2005
7.22
55.2
42.99
67.59
49.72
155487.73
4375.7