SPSS因子分析法比较的好

1、实验课：因子分析实验目的理解主成分（因子）分析的基本原理，熟悉并掌握 SPSS的主成分（因子）分析方法 及其主要应用。因子分析一、 基础理论知识1概念因子分析（Factoranalysis ）：就是用少数几个因子来描述许多指标或因素之间的联 系，以较少几个因子来反映原资料的大部分信息的统计学分析方法。从数学角度来看，主 成分分析是一种化繁为简的降维处理技术。主成分分析（Principalcomponentanalysis）:是因子分析的一个特例，是使用最多的因子提取方法。它通过坐标变换手段，将原有的多个相关变量，做线性变化，转换为另 外一组不相关的变量。选取前面几个方差最大的主成分，这样达到了

2、因子分析较少变量个 数的目的，同时又能与较少的变量反映原有变量的绝大部分的信息。两者关系：主成分分析（PCA和因子分析（FA）是两种把变量维数降低以便于描述、 理解和分析的方法，而实际上 主成分分析可以说是因子分析的一个特例2特点(1)因子变量的数量远少于原有的指标变量的数量，因而对因子变量的分析能够减少 分析中的工作量。(2)因子变量不是对原始变量的取舍，而是根据原始变量的信息进行重新组构，它能 够反映原有变量大部分的信息。(3)因子变量之间不存在显着的线性相关关系，对变量的分析比较方便，但原始部分 变量之间多存在较显着的相关关系。(4)因子变量具有命名解释 性，即该变量是对某些原始变量信息

3、的综合和反映。在保证数据信息丢失最少的原则下，对高维变量空间进行降维处理(即通过因子分析或主成分分析)。显然，在一个低维空间解释系统要比在高维系统容易的多。3类型根据研究对象的不同，把因子分析分 为R型和Q型两种。当研究对象是变量时，属于 R型因子分析；当研究对象是样品时，属于 Q型因子分析。但有的因子分析方法兼有 R型和Q型因子分析的一些特点，如因子分析中的对应分析 方法，有的学者称之为双重型因子分析，以示与其他两类的区别。4分析原理假定：有n个地理样本，每个样本共有 p个变量，构成一个nxp阶的地理数据矩阵：当p较大时，在p维空间中考察问题比较麻烦。这就需要进行降维处理，即用较少几 个综合

4、指标代替原来指标，而且使这些综合指标既能尽量多地反映原来指标所反映的信 息，同时它们之间又是彼此独立的。线性组合：记x1, x2,，xP为原变量指标，z1, z2,，zm (m0.9非常适合；0.8KMO0.9适合；0.7KMO0.3 一 般；0.6KMO0.7；不太适合；KMO0）和相应的标准正交的特征向量 li ;根据相关系数矩阵的特征根，即公共因子 Zj的方差贡献（等于因子载荷矩阵L中第j 列各元素的平方和），计算公共因子 Zj的方差贡献率与累积贡献率。主成分分析是在一个多维坐标轴中，将原始变量组成的坐标系进行平移变换，使得新 的坐标原点和数据群点的重心重合。新坐标第一轴与数据变化最大方

5、向对应。通过计算特 征根（方差贡献）和方差贡献率与累积方差贡献率等指标，来判断选取公共因子的数量和 公共因子（主成分）所能代表的原始变量信息。公共因子个数的确定准则：1）根据特征值的大小来确定，一般取大于1的特征值对应的几个公共因子/主成分。2）根据因子的累积方差贡献率来确定，一般取累计贡献率达 85-95%勺特征值所对应的第一、第二、第 m （me p）个主成分。也有学者认为累积方差贡献率应在80%以上5.3 因子变量的命名解释因子变量的命名解释是因子分析的另一个核心问题。经过主成分分析得到的公共因子 /主成分Z1,Z2,Zm是对原有变量的综合。原有变量是有物理含义的变量，对它们进行 线性变

6、换后，得到的新的综合变量的物理含义到底是什么？在实际的应用分析中，主要通过对载荷矩阵进行分析，得到因子变量和原有变量之间 的关系，从而对新的因子变量进行命名。 利用因子旋转方法能使因子变量更具有可解释 性。计算主成分载荷，构建载荷矩阵 A。计算主成分载荷，构建载荷矩阵 A。载荷矩阵A中某一行表示原有变量Xi与公共因子 /因子变量的相关关系。载荷矩阵 A中某一列表示某一个公共因子/因子变量能够解释的原 有变量Xi的信息量。有时因子载荷矩阵的解释性不太好，通常需要进行因子旋转，使原有因子变量更具有可解释性。因子旋转的主要方法：正交旋转、斜交旋转 。正交旋转和斜交旋转是因子旋转的两类方法。前者由于保

7、持了坐标轴的正交性，因此 使用最多。正交旋转的方法很多，其中以方差最大化法最为常用。方差最大正交旋转(varimaxorthogonalrotation )基本思想：使公共因子的相对负荷的方差之和最大，且保持原公共因子的正交性和公共方差总和不变。可使每个因子上 的具有最大载荷的变量数最小，因此可以简化对因子的解释。斜交旋转(obliquerotation )因子斜交旋转后，各因子负荷发生了变化，出现了两极分化。各因子间不再相互独立，而是彼此相关。各因子对各变量的贡献的总和也发生 了改变。斜交旋转因为因子间的相关性而不受欢迎。但如果总体中各因子间存在明显的相关关 系则应该考虑斜交旋转。适用于大数

8、据集的因子分析。无论是正交旋转还是斜交旋转，因子旋转的目的：是使因子负荷两极分化，要么接近 于0,要么接近于1。从而使原有因子变量更具有可解释性。5.4 计算因子变量得分因子变量确定以后，对于每一个样本数据，我们希望得到它们在不同因子上的具体数 据值，即因子得分。估计因子得分的方法主要有：回归法、Bartlette 法等。计算因子得 分应首先将因子变量表示为原始变量的线性组合。即：回归法，即Thomson：得分是由贝叶斯Bayes思想导出的，得到的因子得分是有偏 的，但计算结果误差较小。贝叶斯 (BAYES判别思想是根据先验概率求出后验概率，并依 据后验概率分布作出统计推断。Bartlett法

9、：Bartlett因子得分是极大似然估计，也是加权最小二乘回归，得到的 因子得分是无偏的，但计算结果误差较大。因子得分可用于模型诊断，也可用作进一步分析如聚类分析、回归分析等的原始资料。关于因子得分的进一步应用将在案例介绍一节分析。5.5结果的分析解释此部分详细见案例分析二、案例分析1研究问题石家庄18个县市14个指标因子，具体来说有人均 GDP优/人）、人均全社会固定资产投资额、人均城镇固定资产投资额、人均一般预算性财政收入、第三产业占GDR匕重（%卜人均社会消费品零售额、人均实际利用外资额（万美元/人）、人均城乡居民储蓄存款、农民人均纯收入、在岗职工平均工资、人才密度指数、科技支出占财政支

10、出比重（%、每万人拥有执业医师数量、每千人拥有病床数。要求根据这14项内容进行因子分析，得到维度较少的几个因子。2实现步骤【1】在Analyze”菜单“ DataReduction ”中选择“Factor ”命令，如下图所示。2在弹出的下图所示的FactorAnalysis 对话框中，从对话框左侧的变量列表中选择这14个变量，使之添加到 Variables 框中。【3】点击 Descriptives ” 按钮，弹出 “ FactorAnalysis : Descriptives ” 对话框，如图所示。Statistics框用于选择哪些相关的统计量，其中：Univariatedescriptiv

11、es（变量描述）：输出变量均值、标准差;Initialsolution （初始结果）CorrelationMatrix框中提供了几种检验变量是否适 合做引子分析的检验方法， 其中：Coefficients（相关系数矩阵）Significanceleves（显着性水平）Determinant （相关系数矩阵的行列式）Inverse （相关系数矩阵的逆矩阵）Reproduced （再生相关矩阵，原始相关与再生相关的差值）Anti-image （反影像相关矩阵检验）KMOandBartlett stestofsphericity（KMOt验和巴特利特球形检验）本例中，选中该对话框中所有选项，单击 C

12、ontinue按钮返回FactorAnalysis 对话 框。【4】单击Extraction ”按钮，弹出“ FactorAnalysis : Extraction ”对话框，选择因子 提取方法，如下图所示：因子提取方法在Method下拉框中选取，SPSS#提供了 7种方法：PrincipleComponentsAnalysis（主成分分析）Unweightedleastsquares （未力口权最小平方法）Generalizedleastsquares（综合最小平方法）Maximumlikelihood （最大似然估价法）Principalaxisfactoring（主轴因子法）Alphaf

13、actoring （ a 因子）Imagefactoring（影像因子）Analyze框中用于选择提取变量依据，其中：Correlationmatrix（相关系数矩阵）Covariancematrix （协方差矩阵）Extract框用于指定因子个数的标准，其中：Eigenvaluseover （大于特征值）Numberoffactors （因子个数）Display框用于选择输出哪些与因子提取有关的信息，其中：Unrotatedfactorsolution（未经旋转的因子载荷矩阵）Screenplot （特征值排列图）MaximuninterationsforConvergence框用于指定因子

14、分析收敛的最大迭代次数，系统默认的最大迭代次数为25。本例选用Principalcomponents方法，选择相关系数矩阵作为提取因子变量的依据，选中Unrotatedfactorsolution 和Screeplot项，输出未经过旋转的因子载荷矩阵与其特征值 的碎石图；选择Eigenvaluseover项，在该选项后面可以输入1,指定提取特征值大于1 的因子。单击Continue按钮返回FactorAnalysis 对话框。【5】单击 FactorAnalysis 对话框中的 Rotation 按钮，弹出 FactorAnalysis:Rotation 对 话框，如下图所示：该对话框用于选择

15、因子载荷矩阵的旋转方法。旋转目的是为了简化结构，以帮助我们 解释因子。SPSSt认不进彳T旋转（None）。Method框用于选择因子旋转方法，其中：None （不旋转）Varimax （正交旋转）DirectOblimin （直接斜交旋转）Quanlimax （四分最大正交旋转）Equamax（平均正交旋转）Promax （斜交旋转）Display框用于选择输出哪些与因子旋转有关的信息，其中:Rotatedsolution（输出旋转后的因子载荷矩阵）Loadingplots（输出载荷散点图）本例选择方差极大法旋转 Varimax,并选中Rotatedsolution 和Loadingplot

16、 项，表示输出旋转后的因子载荷矩阵和载荷散点图，单击 Continue按钮返回FactorAnalysis对 话框。【6】单击FactorAnalysis 对话框中的Scores按钮，弹出FactorAnalysis:Scores 对话 框，如下图所示：该对话框用以选择对因子得分进行设置，其中：Regression （回归法）：因子得分均值为0,采用多元相关平方；Bartlett （巴特利法）：因子得分均值为 0,采用超出变量范围各因子平方和被最小化；Anderson-Rubin （安彳惠森-洛宾法）：因子得分均值为0,标准差1,彼此不相关；Displayfactorscorecoeffici

17、entmatrix :选择此项将在输出窗口中显示因子得分系 数矩阵。【7】单击FactorAnalysis 对话框中的Options按钮，弹出FactorAnalysis:Options 对话 框，如下图所示：该对话框可以指定其他因子分析的结果，并选择对缺失数据的处理方法，其中:MissingValues框用于选择缺失值处理方法：Excludecaseslistwise :去除所有缺失值的个案Excludecasespairwise :含有缺失值的变量，去掉该案例Replacewithmean :用平均值代替缺失值CofficientDisplayFormat框用于选择载荷系数的显示格式：So

18、rtedbysize :载荷系数按照数值大小排列Suppressabsolutevalueslessthan :不显示绝对值小于指定值的载荷量本例选中 Excludecaseslistwise 项，单击 Continue 按钮返回 FactorAnalysis 对话框，完成设置。单击OK完成计算。3结果与讨论(1) SPSS俞出的第一部分如下：第一个表格中列出了 18个原始变量的统计结果，包括平均值、标准差和分析的个案数。这个是步骤3中选中Univariatedescriptives项的输出结果。Descriptive StatisticsMeanStd.Deviati onAnalysisN

19、人均GDP（/人）22600.52118410.5546418人均全社会固定资产投资额15190.95155289.1449918人均城镇固定资产投资额10270.36424874.1461618人均一般预算性财政收入585.1712550.4565918第二产业占GDPt匕重（%）29.06129.4685818人均社会消费品零售额6567.25663068.7546318人均实际利用外资额（力美兀/人）23.566740.3136118人均城乡居民储蓄存款12061.23847363.0865918农民人均纯收入4852.55561202.5297018在岗职工平均工资18110.3889

20、2374.0575418人才密度指数8.15485.3755218科技支出占财政支出比重（%1.3494.5019318每力人拥启执业医师数量12.68838.8869118每千人拥启病床数2.36081.1607718（2） SPSS俞出结果文件中的第二部分如下：该表格给出的是18个原始变量的相关矩阵CorrelationMatrix人均GDP优/人）人均全社会固定资产投资额人均城镇固定资产投资额Correlati人均GDP优/人）1.000.503.707on人均全社会固定资产.5031.000.883投资额人均城镇固定资产投资额.707.8831.000人均一般预算性财政收入.776.5

21、71.821第二产业占GDPt匕重(%).567.507.759人均社会消费品零售额.737.247.600人均实际利用外资额(力美兀/人).454.356.648人均城乡居民储蓄存款.707.480.780农民人均纯收入.559-.073.130在岗职工平均工资.789.325.544人才密度指数.741.470.737科技支出占财政支出比重(%.582.378.486每力人拥启执业医师数量.434.520.733每千人拥启病床数.573.565.761CorrelationMatrix人均一般预算性财政收入第二产业占GDP:匕重(%)人均社会消费品零售额Correlati on人均GDP优

22、/人).776.567.737人均全社会固定资产投资额.571.507.247人均城镇固定资产投资额.821.759.600人均一般预算性财政收入1.000.830.693第二产业占GDPt匕重（%）.8301.000.646人均社会消费品零售额.693.6461.000人均实际利用外资额（力美兀/人）.797.822.616人均城乡居民储蓄存款.907.882.839农民人均纯收入.132.278.516在岗职工平均工资.736.548.609人才密度指数.795.745.812科技支出占财政支出比重（%.729.575.490每力人拥启执业医师数量.818.844.627每千人拥启病床数.

23、911.806.629CorrelationMatrix人均实际利用外资额（万美元/人）人均城乡居民储畜存款农民人均纯收入Correlati on人均GDP优/人）.454.707.559人均全社会固定资产投资额.356.480-.073人均城镇固定资产投资额.648.780.130人均一般预算性财政收入.797.907.132第二产业占GDR匕重（%）.822.882.278人均社会消费品零售额.616.839.516人均实际利用外资额（力美兀/人）1.000.792-.007人均城乡居民储蓄存款.7921.000.264农民人均纯收入-.007.2641.000在岗职工平均工资.388.6

24、47.411人才密度指数.752.868.315科技支出占财政支出比重（%.570.626.210每力人拥启执业医师数量.795.885-.075每千人拥启病床数.784.866.000CorrelationMatrixCorrelati人均 GDP优/人）on人均全社会固定资产 投资额人均城镇固定资产投 资额人均一般预算性财政 收入第三产业占GDR匕重 （%）人均社会消费品零售 额在岗职工平均工资人才密度指数科技支出占财政支出比重（为.789.741.582.325.470.378.544.737.486.736.795.729.548.745.575.609.812.490.388.752

25、.570人均实际利用外资额 （万美元/人）人均城乡居民储蓄存 款农民人均纯收入在岗职工平均工资人才密度指数科技支出占财政支出 比重（%每万人拥有执业医师 数量每千人拥有病床数.647.868.411.315.626.2101.000.539.421.477.575.539.4211.000.577.739.719.5771.000.519.769CorrelationMatrix每力人拥启执业医师数量每千人拥启病床数Correlati 人均 GDP优/人）.434.573on人均全社会固定资产投资额.520.565人均城镇固定资产投资额.733.761人均一般预算性财政收入.818.911第二

26、产业占GDPt匕重(%).844.806人均社会消费品零售额.627.629人均实际利用外资额(力美兀/人).795.784人均城乡居民储蓄存款.885.866农民人均纯收入-.075.000在岗职工平均工资.477.575人才密度指数.739.719科技支出占财政支出比重(%.519.769每力人拥启执业医师数量1.000.912每千人拥启病床数.9121.000(3) SPSS俞出结果的第四部分如下:KMOandBartlettsTestKaiser-Meyer-OlkinM easureofSamplingAde quacy.551BartlettsTestofSphApprox.Chi

27、-Square324.227ericitydf91Sig.000该部分给出了 KM西验和Bartlett 球度检验结果。其中KM0S为0.551 ,根据统计学家Kaiser给出的标准，KMQMS小于0.6 ,不太适合因子分析Bartlett球度检验给出的相伴概率为0.00 ,小于显着性水平0.05,因此拒绝Bartlett 球 度检验的零假设，认为适合于因子分析。(4) SPSS俞出结果文件中的第六部分如下:CommunalitiesInitialExtraction人均GDP(/人)1.0001.000人均全社会固定资产投资额1.0001.000人均城镇固定资产投资额1.0001.000人均

28、一般预算性财政收入1.0001.000第二产业占GDP:匕重(%)1.0001.000人均社会消费品零售1.0001.000额人均实际利用外资额（力美兀/人）1.0001.000人均城乡居民储蓄存款1.0001.000农民人均纯收入1.0001.000在岗职工平均工资1.0001.000人才密度指数1.0001.000科技支出占财政支出比重（%1.0001.000每力人拥启执业医师数量1.0001.000每千人拥启病床数1.0001.000ExtractionMethod:PrincipalComponentAn alysis.这是因子分析初始结果，该表格的第一列列出了18个原始变量名；第二列

29、是根据因子分析初始解计算出的变量共同度。利 用主成分分析方法得到18个特征值，它们是银子分析的初始解，可利用这18个出世界和对应的特征向量计算出银子载荷矩阵。由于每个原始变量的所有方差都能被因子变量解释掉，因此每个变量的共同度为1;第三列是根据因子分析最终解计算出的变量共同度。根据最终提取的 m个特征值和对应的特征向量计算 出因子载荷矩阵。(此处由于软件的原因有点小问题)这时由于因子变量个数少于原始变量的个数，因此每个变量的共同度必然小于1。(5)输出结果第六部分为TotalVarianceExplained 表格TotalVarianceExplainedCompcnentInitialEi

30、genvaluesTotal%ofVarianceCumulative%19.13965.27921.71812.26931.0147.2404.6594.7065.5363.8276.3612.5777.2581.8448.133.9529.077.54910.049.34911.031.22412.020.14013.005.03814.001.005100.000ExtractionMethod:PrincipalComponentAn alysis.TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSqua

31、redLoadingsCumulative%Total%ofVarianceCumulative%165.2799.13965.27965.279277.5481.71812.26977.548384.7881.0147.24084.788489.494.6594.70689.494593.321.5363.82793.321695.898.3612.57795.898797.743.2581.84497.743898.695.133.95298.695999.244.077.54999.2441099.593.049.34999.5931199.817.031.22499.8171299.9

32、58.020.14099.9581399.995.005.03899.995ExtractionMethod:PrincipalComponentAnalysis.TotalVarianceExplainedCompcnentRotationSumsofSquaredLoadingsTotal%ofVarianceCumulative%14.79434.24234.24222.26216.15850.40031.84613.18863.58741.57111.22274.80951.54811.06085.8696.8446.02891.8987.5674.04895.9468.2731.94

33、897.8949.131.93898.83210.068.48299.31411.046.32999.64312.035.25299.89513.014.10099.995ExtractionMethod:PrincipalComponentAna lysis.该表格是因子分析后因子提取和银子旋转的结果。其中，Component列和InitialEigenvalues 列（第一列到第四列）描述了因子分析初始解对原有变量总体描述情况。第一列是因子分析13个初始解序号。第二列是因子变量的方差贡献（特征值），它是衡量因子重要程度的指标，例如第一行的特征值为9.139,后面描述因子的方差依次减少。第三

34、列是各因子变量的方差贡献率（ofVariance）,表示该因子描述的方差占原有变量总方差的比例。第四列是因子变量的累计方差贡献率，表示前m个因子描述的总方差占原有变量的总方差的比例。第五列和第七列则是从初始解中按照一定标准(在前面的分析中是设定了提取因子的标准是特征值大于 1)提取了 3个公共因子后对原变量总体的描述情况。各列数据的含义和前面第二列到第四列相同，可见提取了5个因子后，它们反映了原变量的大部分信息。第八列到第十列是旋转以后得到的因子对原变量总体的刻画情况。各列的含义和第五列到第七列是一样的。(6) SPSS俞出的该部分的结果如下:ComponentMatrixaComponent

35、123456人均一般预算性财政收入.959-.075.015.158-.140-.023人均城乡居民储蓄存款.959.008-.154-.107-.039.001每千人拥启病床数.910-.272-.089.204-.051.040第二产业占GDP:匕重(%).890-.087-.137-.141.067.373人才密度指数.886.098-.098-.179.151-.259人均城镇固定资产投资额.868-.162.404-.183.078.006每力人拥启执业医师数量.861-.362-.183-.137-.115.069人均实际利用外资额（力美兀/人）.815-.271-.346-.07

36、9.064-.012人均社会消费品零售额.805.370-.218-.203.026-.223人均GDP优/人）.797.458.282.099-.029-.163科技支出占财政支出比重（%.712.000-.097.621.302-.008在岗职工平均工资.706.386.158.145-.531.080农民人均纯收入.271.887-.002-.088.245.253人均全社会固定资产投资额.611-.328.690-.074.163.028ExtractionMethod:PrincipalComponentAnalysis.a.13componentsextracted.该表格是最终的

37、因子载荷矩阵 A,对应前面的因子分析的数学模型部分。根据该表格可以得到如下因子模型：X=AF+注Xi=0.959Fi-0.075F 2+0.015F3+0.158 F 4-0.140F 5-0.023F 6-0.096F 7+0.017F8-0.117F 9ComponentMatrix+0.004F10-0.062F 11-0.040 F 12+0.021 F 13Component7891011人均一般预算性财政-.096.017-.117.004-.062收入人均城乡居民储蓄存款.109-.022-.134-.073-.016a每千人拥启病床数.158.034.061.106-.046第

38、二产业占GDPt匕重（%）-.079-.039-.044-.049.036人才密度指数-.066-.252.066-.017-.035人均城镇固定资产投资额-.024.094.001.015-.087每力人拥启执业医师数量.200-.081.015.073.061人均实际利用外资额（力美兀/人）-.330.115.080.021.023人均社会消费品零售额.177.191.035-.054.027人均GDP/人）-.116-.005-.101.094.081科技支出占财政支出比重（%.046-.005.023-.059.014在岗职工平均工资-.042-.032.110-.058.000农民人

39、均纯收入人均全社会固定资产投资额.036.044-.006.006.039.055.053-.045-.030.050ExtractionMethod:PrincipalComponentAnalysis.a. 13componentsextracted.ComponentMatrixaComponent1213人均一般预算性财政-.040.021收入人均城乡居民储蓄存款.089-.015每千人拥启病床数-.004-.042第二产业占GDP:匕重-.066-.019(%)人才密度指数-.019-.006人均城镇固定资产投资额-.004.018每力人拥启执业医师数量.008.040人均实际利用外

40、资额（力美兀/人）.046.003人均社会消费品零售额-.044-.001人均GDP（/人）-.003-.011科技支出占财政支出比重（%.002.016在岗职工平均工资.011.002农民人均纯收入.028.011人均全社会固定资产投资额.017-.006ExtractionMethod:PrincipalComponentAnalysis.a.13componentsextracted.(7) SPSS俞出的该部分的结果如下：该表格是按照前面设定的方差极大法对因子载荷矩阵旋转后的结果。未经过旋转的载荷矩阵中，因子变量在许多变量上都有较高的载荷。经过旋转之后，第一个因子含义略加清楚，基本上放

41、映了 “每万人拥有执业医师数量”、“第三产业占GDP:匕重()”、“人均实际利用外资额(万美元/人)；第二个因子基本 上反映了 “人均全社会固定资产投资额”、“人均城镇固定资产投资额”；第三个因子反 映了 “在岗职工平均工资”RotatedComponentMatrix aComponent123456每力人拥启执业医师数量.877.278.182.163-.125.181第二产业占GDPt匕重.861.261-.010(%)人均实际利用外资额（力美兀/人）.8042-.047.142人均城乡居民储蓄存款.767.255.30

42、11每千人拥启病床数.718.316.284.477-.082.165人均一般预算性财政收入.636.338.475.392.018.153人均全社会固定资产投资额.220.953.113.146-.063.002人均城镇固定资产投资额.500.796.177在岗职工平均工资.288.161.807人均GDP优/人）.198.386.559.290.429.246科技支出占财政支出.395.127比重（%农民人均纯收入-.012-.044.187.063.972人均社会消费品零售额.498.101.285.156.396人

43、才密度指数.583.229.077.105.663.291ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.a.Rotationconvergedin7iterations.RotatedComponentMatrix a第二产业占GDPt匕重.030.069-4.382E-.131.033(%)5人均实际利用外资额（力美兀/人）.174.458.036-.007.009人均城乡居民储蓄存款.175-.040.072-.031.031每千人拥启病床数.036-.030-.001.197.015人均一般预算性财政收入.139.097.153-.009.155人均全社会固定资产投资额.056-.017.003-.015-.048人均城镇固定资产投资额.114.100.048.044.117在岗职工平均工资.046.002-.031.007-.007人均GDP优/人）.255.099.310.001.009科技支出占财政支出.084.046.018-.013-.001比重（%农民人均纯收入.049-.009.004-.007.003人均社会消费品零售额.189.056