SPSS因子分析报告实例操作步骤

SPSS因子分析实例操作步骤实验目的：引入20032013年全国的农、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 documentopen dataopen；2. Opening excel data sourceOK.第二步：1.数据标准化：在最上面菜单里面选中AnalyzeDescriptive StatisticsOK（变量选择除年份、合计以外的所有变量）.2. 降维：在最上面菜单里面选中AnalyzeDimension ReductionFactor，变量选择标准化后的数据.3. 点击右侧Descriptive，勾选Correlation Matrix选项组中的Coefficients和KMO and Bartletts text of sphericity,点击Continue.4.点击右侧Extraction,勾选Scree Plot和fixed number with factors，默认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.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.8.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113.279.737.66451.97515采 矿 业11.69.55.0082.7092制 造 业11.447.072.69002.22405电力、热力、燃气及水生产和供应业113.3615.0510.35453.22751建 筑 业111.7923.517.89556.18302批发和零售业112.1018.529.10185.50553交通运输、仓储和邮政业11.828.392.78912.20903Valid N (listwise)11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.KMO和球形Bartlett检验KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.744Bartletts Test of SphericityApprox. Chi-Square97.122df21Sig.000该表给出了因子分析的KMO和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，KMO值为0.744，根据KMO度量标准可知，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、燃气及水生产和供应业)1.000.992Zscore: 建 筑 业1.000.987Zscore(批发和零售业)1.000.965Zscore(交通运输、仓储和邮政业)1.000.935Extraction 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 ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %13.07943.99243.9923.07943.99243.9922.66037.99937.99922.35333.60877.6002.35333.60877.6002.34633.51771.51631.04614.94192.5411.04614.94192.5411.47221.02592.5414.4135.90598.4465.0981.39999.8456.011.15299.9977.000.003100.000Extraction 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。第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92.541%，也就是说，三个变量解释了所有7各变量的90%以上，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 of Squared 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。5. 碎石图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 MatrixaComponent123Zscore(电力、热力、燃气及水生产和供应业).871 Zscore(交通运输、仓储和邮政业)-.860 Zscore: 采 矿 业.857 Zscore(农、林、牧、渔业).704 Zscore(批发和零售业) .726.569 Zscore: 建 筑 业 .687.364 Zscore: 制 造 业 .600.793Extraction Method: Principal Component Analysis.a. 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 MatrixaComponent123Zscore(农、林、牧、渔业).899 Zscore(交通运输、仓储和邮政业)-.716 -.3.41Zscore: 采 矿 业.771 .352 Zscore(电力、热力、燃气及水生产和供应业).749 .440.441 Zscore: 建 筑 业 .985 Zscore(批发和零售业) .961Zscore: 制 造 业 .873Extraction 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、燃气及水生产和供应业).201.182.263Zscore: 建 筑 业-.074.429.156Zscore(批发和零售业).071.402-.130Zscore(交通运输、仓储和邮政业)-.322.204.050Extraction 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+0.071*Zscore6-0.322*Zscore7F2=0.075*Zscore1-0.054*Zscore2+0.008*Zscore3+