SPSS因子分析实验报告.doc

青海大学财经学院实 验 报 告实验项目名称 SPSS因子分析 所属课程名称 SPSS 实 验 类 型 验证型实验 实 验 日 期 2009-12-3 班 级 学 号 姓 名 成 绩 【实验目的及要求】掌握SPSS因子分析的具体操作。【实验原理】因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子。对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。【实验环境】（使用的软件）spss 13.0等实验内容：【实验方案设计】选取某班级某年度全班同学（26人）的七门主要成绩作为变量，利用SPSS的因子分析方法找出对可观测变量起支配作用的潜在因子。【实验过程】（实验步骤、记录、数据、分析）在进行因子分析前，作KMO and Bartletts Test，Kaiser-Meyer-Olkin Measure of Sampling Adequacy值为0.729。适合进行因子分析。操作步骤1. 按AnalyzeData ReductionFactor顺序单击菜单项，打开因子分析主对话框。2. 选择PoliticalEconomy 、Calculus1 、ComputerCulture、Microeconomics 、Algebra 、Calculus2和VB为分析变量送到右边的Variables栏中。3. 在主对话框中单击Extraction按钮，相应的对话框中：1) Method菜单中选择Principle components项，使用主成分分析方法。2) Analyze栏中选择Correlation matrix项，分析相关矩阵。3) Extract栏中选择Number of factors 2。 4) Display栏中选择Unrotated factor solution，显示未旋转的因子结果。同样选择Scree plot，要求作出特征值的散点图。5) Maximum iteration convagence 25，结束迭代的判据为到达最大迭代次数25.4. 主对话框中单击Score按钮。在相应的对话框中选择Save as variables，并在Method栏中选择Rregression，要求通过回归方法计算因子得分并把因子得分作为变量保存到数据文件中。5. 单击Descriptives按钮，在对话框Statistics栏内选择Initial solution选项。6. 在主对话框中单击OK按钮执行运算。【结论】（结果）1. 表一为公因子提取前后的公因子方差表。2. 表二为各成分的公因子方差表。在选择提取公因子的数量时，选择了提取前2个公因子的方法。前2个公因子可以解释总方差的近76%，其余5个因子只占24%，可以说2个因子可以解释总方差的绝大部分。3. 图一是特征值碎石图。可以看出前2个特征值间的差异很大，其余的变化很小。从图中可以看出，取前2个因子是正确的。4. 表三是提取的2个因子的因子载荷矩阵。行列交叉点上的数据是对应因子在变量上的载荷。它体现了交叉点对应的因子与对应变量的相关程度。可以看出，第一主成分与六个变量的相关较高，这六个变量是PoliticalEconomy 、Calculus1、Microeconomics 、Algebra 、Calculus2和VB。而第二主成分则于ComputerCulture的相关更高些。可PoliticalEconomy 、Calculus1、Microeconomics 、Algebra 、Calculus2和VB命名为理解能力因子，ComputerCulture称为操作能力因子。5. 图二是当前数据文件。其中最右边的变量FAC1-1和FAC2-1是各观测量的因子得分变量。【小结】基本掌握本次课程任务，但是在操作过程和文字分析上还是有些生疏。指导教师评语及成绩：评语：成绩：指导教师签名：批阅日期：附件一：公因子方差附件二：总方差分解附件三：特征值散点图附件四：主成分分析的因子载荷阵附件五：数据文件中的两个新变量因子得分 表一 公因子方差表CommunalitiesInitialExtractionPoliticalEconomy1.000.812Calculus11.000.782ComputerCulture1.000.727Microeconomics1.000.805Algebra1.000.622Calculus21.000.782VB1.000.783Extraction Method：Principle Component Analysis.表三 主成分分析的因子载荷阵Component MatrixComponent12PoliticalEconomy.744-.508Calculus1.700-.541ComputerCulture.523.674Microeconomics.884.155Algebra.702.360Calculus2.815-.344VB.806.366Extraction Method：Principle Component Analysis.a. 2 components extracted.表二 总方差分解Total variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsTotal%of varianceComulative %Total%of varianceComulative %13.90355.76155.7613.90355.76155.76121.41020.15075.9111.41020.15075.9113.6379.09885.0094.3855.