SPSS因子分析报告实例操作步骤

1、实用标准文案 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； OK. 2. O

2、pening excel data source 精彩文档 实用标准文案 第二步：Descriptive Analyze数据标准化：在最上面菜单里面选中1. （变量选择除年份、合计以外的所有变量）StatisticsOK Dimension 降维：在最上面菜单里面选中 Analyze2. Factor Reduction，变量选择标准化后的数据 精彩文档 实用标准文案 和勾选，Correlation Matrix选项组中的Coefficients 3.点击右侧DescriptiveContinue. s text of sphericity,点击KMO and Bartlett 个，3，和勾选

3、点击右侧4.Extraction,Scree Plotfixed number with factors默认Continue. 点击 精彩文档 实用标准文案 选项DisplayMethod，勾选选项组中的Varimax；勾选5.点击右侧RotationContinue. ；点击组中的Loding Plot(s) Display factor Regression选项组中的；勾选Method，点击右侧6.Scores勾选Continue. ；点击score coefficient matrix 精彩文档 实用标准文案 将Coefficient Display Format勾选选项组中所有选项，点

4、击右侧7.Options，Continue. ，点击改为Absolute value blow0.60 OK. 返回主对话框，单击8. 精彩文档 实用标准文案 输出结果分析： 描述性统计量1. Descriptive Statistics Std. Deviation Minimum N Maximum Mean 农、林、牧、渔业1.97515 11 3.27 7.6645 9.73 业 采 矿2.7092 .6 11 5.008 9.5 造 业制2.22405 .44 7.07 2.6900 11 燃气及水生产和电力、热力、3.22751 15.05 10.3545 11 3.36 供应业

5、建 业 筑6.18302 7.8955 1.79 23.51 11 批发和零售业5.50553 2.10 18.52 9.1018 11 交通运输、仓储和邮政业2.20903 8.39 .82 2.7891 11 11 Valid N (listwise) 个变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 量的最小值、最大值、平均值、标准差。 检验2.KMO和球形Bartlett KMO and Bartletts Test.744 Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 97.122 Bartletts Test of

6、Sphericity Approx. Chi-Square 21 df .000 Sig. 检验结果。从表中可以看出，和Bartlett该表给出了因子分析的KMO，即假设被拒绝，也就是说，可以认0.000球度检验的概率p值为BartlettKMO根据0.744同时，KMO值为，为相关系数矩阵与单位矩阵有显著差异。 度量标准可知，原变量适合进行因子分析。 因子分析的共同度3. 精彩文档 实用标准文案 Communalities Extraction Initial ) 农、林、牧、渔业Zscore(.883 1.000 业 采矿 Zscore: .741 1.000 业Zscore: 制 造.9

7、74 1.000 电力、热力、燃气及Zscore(.992 1.000 ) 水生产和供应业 业Zscore: 建 筑.987 1.000 ) 批发和零售业Zscore(.965 1.000 交通运输、仓储和邮Zscore(.935 1.000 ) 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，全部为个公因子得到的共同度，可以看到只有“采矿；第三列是按照提取31.000 业”的共同度稍低，说明其信息丢失量稍严重。 因子分析的总方差解释4. Total Variance Explained

8、Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative% Total % of Variance Cumulative% Total % of Variance Cumulative % 1 2 3 4 5 6 7 3.079 2.353 1.046 .413 .098 .011 .000 43.992 33.608 14.941 5.905 1.399 .152 .003 43.992 7

9、7.600 92.541 98.446 99.845 99.997 100.000 3.079 2.353 1.046 43.992 33.608 14.941 43.992 77.600 92.541 2.660 2.346 1.472 37.999 33.517 21.025 37.999 71.516 92.541 Extraction 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

10、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 精彩文档实用标准文案 77.600%个原始变量总方差的33.608%，累计方差贡献率为2.353，解释7，累计14.941%7个原始变量总方差的第三个因子的特征根为1.046，解释90%7各变量的92.541%方差贡献率为，也就是说，三个变量解释了所有 1。以上，且也只有这三个变量的特征值大于Rotation Sums of Squared 部分和Extraction 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Loadings因子提取和旋转，其累计解释总方差

11、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。 碎石图 5.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，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 精彩文档 实用标准文案 旋转前的因子载荷矩阵6. a Component Matrix Component 3 1 2 燃气及水生产Zscore(电力、热力、 .871 ) 和供应业 ) Zscore(交通运输、仓储和邮政业

12、 -.860 矿业Zscore: 采 .857 ) Zscore(农、林、牧、渔业 .704 ) Zscore(批发和零售业 .569 .726 业 Zscore: 建筑 .364 .687 Zscore: 制造 业.793 .600 Extraction Method: Principal Component Analysis. a. 3 components extracted. 。因子载荷矩阵中给出每一个变量该表空白处表示相应载荷小于0.3 在三个因子上的载荷。即与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，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

13、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。 旋转后的因子载荷矩阵7. a Rotated Component Matrix Component 1 2 3 ) Zscore(农、林、牧、渔业) Zscore(交通运输、仓储和邮政业 业矿Zscore: 采 燃气及水生产和供热力、Zscore(电力、) 应业 筑建 业Zscore: ) Zscore(批发和零售业 造 Zscore: 制业 .899 -.716 .771 .749 .352 .440 .985 .873 -.3.41 .441 .961 Extraction Method: Pri

14、ncipal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. 精彩文档 实用标准文案 。因子载荷矩阵中给出每一个变量0.3该表空白处表示相应载荷小于 在三个因子上的载荷。与第一产业相关的产业在第一个因在旋转后的载荷矩阵中可以看出，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.

15、因子得分系数 精彩文档 实用标准文案 Component Score Coefficient MatrixComponent 3 2 1 ) 农、林、牧、渔业Zscore(-.350 .445 .075 矿业Zscore: 采.093 .261 -.054 Zscore: 制 造业 .761 .008 -.180 电力、热力、燃气及Zscore(.263 .201 .182 ) 水生产和供应业 Zscore: 建 筑业.156 .429 -.074 ) 批发和零售业Zscore(-.130 .402 .071 交通运输、仓储和邮Zscore(.050 -.322 .204 ) 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+0.071*Zscore6-0.322*Zscore7 F2=0.075*Zscore1-0.054*Zscore2+0.008*Zscore3+0.1