SPSS分析.doc

逐步回归分析一、导入数据二、点击分析-回归-线性三、编辑选项，选择使用F的概率，在等式中包含常量四、编辑统计量，回归系数选择估计，选择模型拟合度五、编辑图，将因变量作为X，自变量作为Y六、将投入证券市场总资金导入到因变量，证券市场以外年收入、受教育程度、入市年份、年龄导入到自变量中。输入移去的变量a模型输入的变量移去的变量方法1证券市场以外年收入.步进（准则: F-to-enter 的概率 = .100）。2入市年份.步进（准则: F-to-enter 的概率 = .100）。3年龄.步进（准则: F-to-enter 的概率 = .100）。4受教育程度.步进（准则: F-to-enter 的概率 = .100）。a. 因变量: 投入证券市场总资金模型汇总e模型RR 方调整 R 方标准 估计的误差1.373a.139.1362.470182.417b.174.1692.423353.439c.193.1862.398414.455d.207.1972.38135a. 预测变量: (常量), 证券市场以外年收入。b. 预测变量: (常量), 证券市场以外年收入, 入市年份。c. 预测变量: (常量), 证券市场以外年收入, 入市年份, 年龄。d. 预测变量: (常量), 证券市场以外年收入, 入市年份, 年龄, 受教育程度。e. 因变量: 投入证券市场总资金Anovae模型平方和df均方FSig.1回归334.4971334.49754.819.000a残差2074.6143406.102总计2409.1113412回归418.2872209.14435.613.000b残差1990.8243395.873总计2409.1113413回归464.8163154.93926.935.000c残差1944.2953385.752总计2409.1113414回归498.0434124.51121.956.000d残差1911.0683375.671总计2409.111341a. 预测变量: (常量), 证券市场以外年收入。b. 预测变量: (常量), 证券市场以外年收入, 入市年份。c. 预测变量: (常量), 证券市场以外年收入, 入市年份, 年龄。d. 预测变量: (常量), 证券市场以外年收入, 入市年份, 年龄, 受教育程度。e. 因变量: 投入证券市场总资金因为sig值为0.0000.05，说明预测变量中至少有一个与投入证券市场总资金存在线性关系。 系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)3.494.26912.995.000证券市场以外年收入.377.051.3737.404.0002(常量)4.493.37312.031.000证券市场以外年收入.374.050.3707.491.000入市年份-.198.053-.187-3.777.0003(常量)3.331.5516.048.000证券市场以外年收入.383.050.3797.741.000入市年份-.166.053-.156-3.117.002年龄.291.102.1432.844.0054(常量)2.493.6473.852.000证券市场以外年收入.371.049.3667.492.000入市年份-.180.053-.169-3.380.001年龄.325.103.1593.170.002受教育程度.273.113.1202.421.016a. 因变量: 投入证券市场总资金因为所有系数都通过了检验，所以方程为Y=2.493+0.371X1-0.180X2+0.325X3+0.273X4因为四个变量都与投入证券市场总资金存在线性关系，所以线性函数为Y=2.493+0.371X1-0.180X2+0.352X3+0.273X4+Ui因子分析一、导入数据二、点击分析-降维-因子分析三、将创汇、利润、均汇、出口合同履约率导入到变量四、编辑描述统计，选择原始分析结果，相关矩阵选择系数和KMO和Bartlett的球形度检验五、编辑抽取选项，方法为主成份，分析为相关性矩阵，输出为碎石图，抽取选择因子的固定数量，要提取的因子为2六、编辑旋转，方法为最大方差法,输出为旋转解七、编辑因子得分，选择保存为变量方法为回归，显示因子得分系数矩阵八、编辑选项，缺失值为按列表排除个案相关矩阵创汇，百万美元利润，百万美元均汇，百万美元出口合同履约率，%相关创汇，百万美元1.000.871.570.742利润，百万美元.8711.000.456.736均汇，百万美元.570.4561.000.283出口合同履约率，%.742.736.2831.000KMO 和 Bartlett 的检验取样足够度的 Kaiser-Meyer-Olkin 度量。.735Bartlett 的球形度检验近似卡方32.651df6Sig.000因为KMO值为0.735，该数据适合做因子分析，表中的巴特利特球体检验的SIG值为0.000小于0.1，说明数据具有相关性，是适宜做因子分析的。公因子方差初始创汇，百万美元1.000利润，百万美元1.000均汇，百万美元1.000出口合同履约率，%1.000提取方法：主成份分析。解释的总方差成份初始特征值旋转平方和载入合计方差的 %累积 %合计方差的 %累积 %12.87871.94071.9402.38559.63659.6362.75318.83190.7721.24531.13690.7723.2546.35497.1264.1152.874100.000提取方法：主成份分析。表中数字显示，所选的两个因子的特征根解释了总体方差的90.77%表示4个特征根大小变化情况成份矩阵aa. 已提取了 2 个成份。旋转成份矩阵a成份12创汇，百万美元.841.451利润，百万美元.880.320均汇，百万美元.199.968出口合同履约率，%.929.045提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的正交旋转法。a. 旋转在 3 次迭代后收敛。表中的负载数据显示，因子1对创汇、利润和履约率有较大影响，反映的是总业绩的情况，可以命名为“总业绩”因子。而因子2对人均创汇影响大，反映的是与企业人均业绩的情况，故可以命名为“人均业绩”成份转换矩阵成份121.877.4812-.481.877提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的正交旋转法。 成份得分系数矩阵成份12创汇，百万美元.297.149利润，百万美元.373-.012均汇，百万美元-.286.983出口合同履约率，%.515-.335提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的正交旋转法。 构成得分。计算因子