SPSS因子分析报告实例操作步骤.docx

1、SPSS因子分析报告实例操作步骤SPS咽子分析实例操作步骤实验目的：弓I入2003201部全国的农、林、牧、渔业，采矿业，制造 业电力、热力、燃气及水生产和供应业，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、燃气及水生产和供应业，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：spss19.0 操作过程：第一步：导入Excel数据文件1.open data document open data open；OK.2.

2、Opening excel data source2.降维：在最上面菜单里面选中 Analyze Dimension ReductionFactor ，变量选择标准化后的数据.OK Raste cancel He4p3.点击右侧 Descriptive ，勾选Correlation Matrix 选项组中的Coefficients 和 KMO and Bartlett s text of sphericity, 点击 Continue.Factor Anafysas; DescriptiveS-St tistics Man 1 m im mbiii nMBiinai ma Univariate

3、 descriptiveshf li” ii-tliliRtlli iiiar-llii M III Bllimi Hi nillQ Initial sotuSonCorrelation MatrixR CoefTidents E Inv&rssU Signmcance leveisU Reproduced:Determinant . _ Ant-imageV KMO and Bartletts t&st of sphericitycontinue Can用 Help J4.点击右侧 Extraction, 勾选 Scree Plot 和 fixed number with factors 默

4、认3个，点击Continue.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.刮 Factor Analysis: Factor Scores1/沧a用 as variables ihm kii IMethod -i(o-1 Regression BartlettO Anderson-Rubin

5、, Oi&pla/fader score Meffieiert matrixcortinue -Cancel Help 一. _ _ - 一7.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.辱| Factor Analysis: Options-Mrssing Valuesi111 rti iiirTiiaiTmu ”r iiimnO Exclude cases psiwi睫(._1 Replace with meanI 1-CoeRia&nt Disp

6、lay Format ；I 一S&rtea &y sizeJ Suppress small coencientsAbsolute value below:削Conhnuaj Cancel Help8.返回主对话框，单击OK.输出结果分析：1.描述性统计量Descriptive StatisticsNMinimumMaximumMeanStd. Deviation农、林、牧、渔业米矿业制造业电力、热力、燃气及水生产和供应业建筑业批发和零售业交通运输、仓储和邮政业Valid N (listwise)11111111111111113.27.6.443.361.792.10.829.739.57.0

7、715.0523.5118.528.397.66455.0082.690010.35457.89559.10182.78911.975152.70922.224053.227516.183025.505532.20903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及 11个变量的最小值、最大值、平均值、标准差。2.KMOn球形 Bartlett 检验KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.744Bartletts Test of SphericityApprox. Chi-Square9

8、7.122df21Sig.000该表给出了因子分析的KMO! 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， KM(M为0.744,根据 KMQt量标准可知，原变量适合进行因子分析。3.因子分析的共同度CommunalitiesInitialExtractionZscore（农、林、牧、渔业）1.000.883Zscore: 采矿业1.000.741Zscore: 制造业1.000.974Zscore（电力、热力、燃气及1.000.992水生产和供应业）Zscore: 建

9、筑业1.000.987Zscore（批发和零售业）1.000.965Zscore（交通运输、仓储和邮1.000.935政业）Extraction Method: Principal Component 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 ExplainedCompon entInitial EigenvaluesExtraction Sums of SquaredLoadingsRo

10、tation Sums of Squared LoadingsTotal% ofVarianceCumulative%Total% ofVarianceCumulative%Total% ofVarianceCumulative%13.07943.99243.9923.07943.99243.9922.66037.99937.99922.35333.60877.6002.35333.60877.6002.34633.51771.51631.04614.94192.5411.04614.94192.5411.47221.02592.5414.4135.90598.4465.0981.39999.

11、8456.011.15299.9977.000.003100.000Extraction Method: Principal Component Analysis.该表由3部分组成，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 部分描述了初始因子解的状况。弟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 77.600%;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.

12、541%,也就是说，三个变量解释了所有 7 各变量的90恕上，且也只有这三个变量的特征值大于 1。Extraction Sums of Squared Loadings 部分和 Rotation Sums ofSquared Loadings部分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 相同，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。Scree Plot1-利用因子分析的碎石图可以更加直观的发现最优因子的数量。 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

13、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，及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Component Matrix aComponent123Zscore（电力、热力、燃气及水生产.871和供应业）Zscore（交通运输、仓储和邮政业 ）-.860Zscore: 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 Method: Principal Component Analysis.a.

14、 3 components 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部分变量的信息；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 Component Matrix aComponent123Zscore（农、林、牧、渔业）.899Zscore（交通运输、仓储和邮政业 ）-.716-.3.41Zscore: 采矿业.771.352Zs

15、core（电力、热力、燃气及水生产和.749.440.441供应业）Zscore: 建筑业.985Zscore（批发和零售业）.961.873Zscore: 制造业Extraction Method: Principal Component 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 第三产业相关的产业在第三

16、个因子上的载荷较高。和没旋转相比，因子的 含义清楚很多。8.旋转空间的因子图Component Plot in Rotated SpaceZ勒1业 Z笑旷业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Component Score Coefficient MatrixComponent123Zscore（农、林、牧、渔业）.445.075-.350Zscore: 采矿业.261-.054.093Zscore: 制造业-.180.008.761Zscore（电力、热力、燃气及.201.182.263水生产和供应业）Zscore

17、: 建筑业-.074.429.156Zscore（批发和零售业）.071.402-.130Zscore（交通运输、仓储和邮-.322.204.050政业）Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.Component Scores.列出了采用回归法估算的因子得分系数，根据表中的内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

18、+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。9.总因子得分及排序年份FAC1FAC2F

19、AC3总得分2003-0 449522. 238371.684661.00887296820111.334571.17016-Q 604170. 83454797220060. 25747-1-019441. 749130.133891920070. 82625-0.49357-0.141330.128399572.20100. 70663-0.696210.152820. 07271807420040- 40950- 00037-0.70350. 00834703620120. 035760.48237-1.08635-0.03689304420130. 097540. 0434-0.874

20、43-0. 1428969912005-0-16207-L118验0.24777-0. 279134035200S-0.6220-0- 6052S-0. 43928-0.5744473232009-2. 4841-0- 00128-0.58488-1.153362506附件:原始数据:标准化后的数据:茶-林吨淹业潟T业斓道业魂扣趣力、的 度r 一醴筑 r勒瞳mi莎通适输、仓傍和 做-.12331-.29S311.7351.4U32252539171068.90126I .46356域71舸（M-1Q36S.19220-.29836-7313641777.32252-15M3-.92S00J 1

21、5735,76815-.04737936:61 969337W1-J9B745-27178-.89138.691327W73-.0449643546-.54369-.52344-.58315109063-379i1-.624991 06415.址邳-.3272/-.17614-2.22432-1 6明-W-2-.043-W75G2.53UES444S73520.27077 .41067-.70504-J8863-755581.00016-745JSW71 71.04S72-1.35766-.75983JS01331936胳568.1123&46356-74863 36702臾1例-.07656