SPSS因子分析实例操作步骤

1、SPSS 因子分析实例操作步骤实验目的：弓I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. opendatadocumentopendataopen；2.Ope nin gexceldat

2、asourceOK.第二步：1. 数据标准化：在最上面菜单里面选中An alyzeDescriptiveStatisticsOK?（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AnalyzeDimensionReductionFactor?，变量选择标准化后的数据.3. 点击右侧 Descriptive ，勾选CorrelationMatrix选项组中的 Coefficients 和 KMOandBartlett stextofsphericity, 点击 Continue.4. 点击右侧 Extraction, 勾选 ScreePlot 和 fixednumberw

3、ithfactors ，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 LodingPlot（s）;点击 Continue.6. 点击右侧Scores，勾选Method选项组中的Regression ;勾选Displayfactorscorecoefficientmatrix;点击 Continue.7. 点击右侧Options，勾选CoefficientDisplayFormat选项组中所有选项， 将 Absolutevalueblow 改为 0.60，点击 Continue.8. 返回主对话框，

4、单击OK. 输出结果分析：1.描述性统计量DescriptiveStatisticsNMinimumMaximumMeanStd.Deviation农、林、牧、渔业米矿业制造业电力、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ValidN（listwise）11111111111111113.27 .6 .443.361.792.10.829.739.57.0715.0523.5118.528.397.66455.0082.690010.35457.89559.10182.78911.975152.70922.224053.227516.183025.505532.209

5、03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KMOandBartlettsTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy.744BartlettsTestofSphericityApprox.Chi-Square97.122df21Sig.000该表给出了因子分析的KMC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着差异。同时， KMO直

6、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1.000.992水生产和供应业）Zscore:建筑业1.000.987Zscore（批发和零售业）1.000.965Zscore（交通运输、仓储和邮1.000.935政业）ExtractionMethod:PrincipalComponentAnalysis.表格所示是因子分析的共同度。表格第

7、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TotalVarianceExplainedComp onentInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotal%ofVaria nceCumulative%Total%ofVaria nceCumulative%Total%ofVarianceCumulative%13.07943.99243.9923.07

8、943.99243.9922.66037.99937.99922.35333.60877.6002.35333.60877.6002.34633.51771.51631.04614.94192.5411.04614.94192.5411.47221.02592.5414.4135.90598.4465.0981.39999.8456.011.15299.9977.000.003100.000ExtractionMethod:PrincipalComponentAnalysis.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。In itialEige

9、nvalues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。Extracti on SumsofSquaredLoad ings 咅 B分禾口 RotationSumsofSquaredLoadings部分描述了因子提取后和旋转后的因子 解。从

10、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ComponentMatrix a的因子Component载荷矩123阵Zscore（电力、热力、燃气及水生产.871该和供应业）表空白处Zscore（交通运输、仓储和邮

11、政业 ）-.860表示相应Zscore:采矿业.857载荷小于Zscore（农、林、牧、渔业）.704Zscore（批发和零售业）.726.5690.3。因子Zscore:建筑业.687.364载荷矩阵Zscore:制造业.600.793中给出每ExtractionMethod:PrincipalComponentAnalysis.一个变量a.3componentsextracted.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

12、有旋转的因子的含义很难解释。7. 旋转后的因子载荷矩阵RotatedComponentMatrix aComponent123Zscore（农、林、牧、渔业）Zscore（交通运输、仓储和邮政业 ）Zscore:采矿业Zscore（电力、热力、燃气及水生产和供 应业）Zscore:建筑业Zscore（批发和零售业）Zscore:制造业.899-.716.771.749.352.440.985.873-.3.41.441.961ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormaliza

13、tion.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ComponentScoreCoefficientMatrixComponent123Zscore（农、林、牧、渔业）.445.075-.350Zscore:采矿

14、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）-.322.204.050ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ComponentScores.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+0.182