SPSS因子分析实验报告

1、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班学姓成级号名【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

2、用的软件）spss13.0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KMOandBartlett'sTest,Kaiser-Meyer-OlkinMeasureofSamplingAdequacy值为0.729。适合进行因子分析。1. 操作步骤按AnalyzeDataReductionFactor顺序单击菜单项，打开因子分析主对话框。2. 选择PoliticalEconomy、Calculus1、ComputerCul

3、ture、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Principlecomponents项，使用主成分分析方法。2）Analyze栏中选择Correlationmatrix项，分析相关矩阵。3）Extract栏中选择Numberoffactors2。4）Display栏中选择Unrotatedfactorsolution，显示未旋转的因子结果。同样选择Screeplot,要求作出特征值的散点图。5）Maximumiterationc

4、onvagence25，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Saveasvariable并在Method栏中选择Regression,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Initialsolution选项。6. 在主对话框中单击OK按钮执行运算。1. 【结论】（结果）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、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

6、、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一一因子得分表一公因子方差表表三主成分分析的因子载荷阵CommonalitiesComponentMatrixInitial

7、ExtractionComponentPoliticalEconomy1.000.81212Calculusl1.000.782PoliticalEconomy.744-.508ComputerCulture1.000.727Calculus1.700-.541Microeconomics1.000.805ComputerCulture.523.674Algebra1.000.622Microeconomics.884.155Calculus21.000.782Algebra.702.360VB1.000.783Calculus2.815-.344ExtractionMethod:Princi

8、pleComponentAnalysis.VB.806.366ExtractionMethod:PrincipleComponentAnalysis.a.2componentsextracted.表二总方差分解TotalvarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsTotal%ofvarianceComulative%Total%ofvarianceComulative%13.90355.76155.7613.90355.76155.76121.41020.15075.9111.41020.

9、15075.9113.6379.09885.0094.3855.49690.5055.2914.15894.6626.2433.46698.1297.1311.871100.000ExtractionMethod:PrincipleComponentAnalysis.图一特征值散点图Scr*«plot图二数据文件中的两个新变量一一因子得分,/>x的iHfL1此ui*rfci也鼻i«*imwntoannj*百E*»-*LjW±mfli-ziri,»命H.io«aviionoiRjiticiCcCculunlCcmpulcr'

10、;McraecaAdgetrartlctiu-BJVCsum；CuhurgntmiccFAC1_1F*C2_l理E1i177067?75717?771?E325电愈口22 E35E37277Bl需3 67七727Q723砾«71®?®81啊6905134BQ迎防3H"叫-1和若dDBZV7B0.6®275672777B647Q苻的1312330365398G阳脂Efi077夕GO7咬473637STO72副60SO7D67739060D54797WlMES145739也心2S-006130Q.E6217?日g9?6&4四67706963

11、131T03O.3S2B7IDii：126063毛777566D&222341.B353：1111 ?364E6男M48&012 ?2吗B-1'咨6E械06S644J.267Q17319-cuescs1：13?S65Bi677376U?1J8MJ巧H7a田ISHEfi7B61?73?站IE?0Si63G1?03&BO1?7483O?6钮员IB"案6199K身Gi19 B3罢6827553?H20 B2财hJJ8)99站骂106134<Efe215Q引ME«43.E22BBOOmS1.&TO9S-036152O.WtP01K2S*2.21910心更97?0.917B6141£1&17怡博-0MBF0