spss应用案例五

1、 1、数据来源及说明、数据来源及说明 数据来自西安交通大学管理学院研究生的调查问卷。数据来自西安交通大学管理学院研究生的调查问卷。 变量说明：变量说明： 1） 数据描述数据描述 最终分类中心最终分类中心3333 收集到某年全国31个省市自治区各类经济单位包括国有经济单位、联营经济单位、股份制经济单位、外商投资经济单位、港澳台经济单位、其他经济单位的年人均收入数据，现希望对全国各地区间人均收入的差异性和相似性进行研究。 可利用因子得分变量对地区进行对比研究可利用因子得分变量对地区进行对比研究 （1）观察因子得分变量的散点图）观察因子得分变量的散点图1 北京北京9 上海上海19 广东广东 可利用因

2、子得分变量对地区进行对比研究可利用因子得分变量对地区进行对比研究 （2）依据因子得分变量进行综合评价：因子加权总分法）依据因子得分变量进行综合评价：因子加权总分法 权重：专家打分权重：专家打分 两个因子的方差贡献率两个因子的方差贡献率三、已知：美国洛杉矶对三、已知：美国洛杉矶对12个人口调查区调查的数据如下个人口调查区调查的数据如下（data15-01) ：其中：其中：no ：编号，：编号， pop：总人口，：总人口， school：中等学校平均校龄，：中等学校平均校龄， employ ：总雇员数：总雇员数 services：专业服务项目，：专业服务项目， house：中等房价：中等房价要求：

3、要求：1、进行因子分析、进行因子分析 2、按提出的新因子进行聚类分析、按提出的新因子进行聚类分析1、因子分析: 操作步骤Analyze结果分析：Descriptive Statistics6241.673439.991211.4421.787122333.331241.2112120.83114.931217000.006367.5312总人口中等校平均校龄总雇员数专业服务项目数中等房价MeanStd. DeviationAnalysis N给出了各变量的均值、标准差及样本个数Correlation Matrix1.000.010.972.439.022.0101.000.154.691.86

4、3.972.1541.000.515.122.439.691.5151.000.778.022.863.122.7781.000.488.000.077.472.488.316.006.000.000.316.043.353.077.006.043.001.472.000.353.001总 人 口中 等 校 平 均 校 龄总 雇 员 数专 业 服 务 项 目 数中 等 房 价总 人 口中 等 校 平 均 校 龄总 雇 员 数专 业 服 务 项 目 数中 等 房 价CorrelationSig. (1-tailed)总 人 口中 等 校 平均 校 龄总 雇 员 数专 业 服 务项 目 数中 等

5、房 价相关系数矩阵表： 给出了任意两变量间的相关系数和相应的显著性概率Total Variance Explained2.87357.46657.4662.87357.46657.4662.52250.43750.4371.79735.93393.3991.79735.93393.3992.14842.96393.399.2154.29797.6969.993E-021.99999.6951.526E-02.305100.000Component12345Total% of VarianceCumulative %Total% of VarianceCumulative %Total% of

6、VarianceCumulative %Initial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsExtraction Method: Principal Component Analysis.总方差解释表Scree PlotComponent Number54321Eigenvalue3.53.02.52.00.0碎石图 ：可初步得出保留两个因子将能概括绝大部分信息。 Component Matrixa.932-.104.791-.558.767-.545.58

7、1.806.672.726专业服务项目数中等房价中等校平均校龄总人口总雇员数12ComponentExtraction Method: Principal Component Analysis.2 components extracted.a. Rotated Component Matrixa.968-6.05E-03.941-8.82E-03.825.4471.602E-02.994.137.980中等房价中等校平均校龄专业服务项目数总人口总雇员数12ComponentExtraction Method: Principal Component Analysis. Rotation Met

8、hod: Varimax with Kaiser Normalization.Rotation converged in 3 iterations.a. 因子矩阵：旋转前的因子提出结果 用这两个因子代替5 个原始变量，可以概括原始变量所包含信息的93.4%。但是要想对两个因子进行命名则比较困难。旋转后的因子矩阵：旋转后负荷系数已经明显地向两极分化。因子1：福利条件因子因子2：人口因子 Component Score Coefficient Matrix-.091.484.392-.096-.039.465.299.138.403-.098总人口中等校平均校龄总雇员数专业服务项目数中等房价12C

9、omponentExtraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.Component Score Covariance Matrix1.000.000.0001.000Component1212Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component

10、 Scores.因子得分系数矩阵：根据因子得分系数和 原始变量的标准化值可计算每个观测量的各因子的得分数。 并可据此对观测量进行进一步的分析 。因子分数的协方差矩阵 ： 两个新因子之间的相关矩阵，两因子是完全不相关的。Component Plot in Rotated SpaceComponent -.5-1.0Component -.5-1.0中等房价专业服务项目数中等校平均校龄旋转后的因子载荷图：形成 两个新变量：fac1_1, fac2_1 2、按生成的新变量进行聚类分析（1）（2）（3）在主对话框，单击Statistics（4）在主对话框，单击Plo

11、ts（5）在主对话框，单击Method（6）在主对话框，单击Save 结果分析：Case Processing Summarya,b12100.00.012100.0NPercentNPercentNPercentValidMissingTotalCases Squared Euclidean Distance useda. Average Linkage (Between Groups)b. 观测量处理摘要表 Cluster Membership111222222111111331222331331411331331Case1234567891011124 Clusters3 Clusters2 Clusters各类成员表Vertical IcicleXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXXXXXXXX XXXXXXXXX X XXXXXXXXXX X XXXXXXX X XXXXXX XXX X XXXXXXX X XXXXXX XXX X XXXXXXX X XXX