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：引入2003201舜全国的农、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.Openingexceldatasour

2、ceOK.第二步：.数据标准化：在最上面菜单里面选中AnalyzeDescriptiveStatisticsOK?（变量选择除年份、合计以外的所有变量）.降维：在最上面菜单里面选中AnalyzeDimensionReductionFactor?,变量选择标准化后的数据.点击右侧 Descriptive ,勾选CorrelationMatrix选项组中的Coefficients 和 KMOandBartlett stextofsphericity, 点击 Continue.点击右侧 Extraction, 勾选 ScreePlot 和 fixednumberwithfactors ,默 认3个，

3、点击Continue.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.点击右侧Scores ,勾选Method选项组中的Regression ;勾选 Displayfactorscorecoefficientmatrix ;点击 Continue.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.返回主对话框，单击OK.输出结果分析：.描述性统计量Descrip

4、tiveStatisticsNMinimumMaximumMeanStd.Deviation农、林、牧、渔业113.279.737.66451.97515米矿业082.7092制造业11.447.072.69002.22405电力、热力、燃气及水生产113.3615.0510.35453.22751和供应业建筑业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11.828.392.78912.20903ValidN(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1

5、1个变量的最小值、最大值、平均值、标准差。.KMOffi球形 Bartlett 检验KMOandBartlettsTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy.BartlettsTestofSphericityApprox.Chi-SquaredfSig.74497.12221.000该表给出了因子分析的KMG口 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直为0.744,根据 KMC量标准可知，原变量适合进行因

6、子分析。.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 政业）1.000.935ExtractionMethod:PrincipalComponentAnalysis.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

7、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。.因子分析的总方差解释TotalVarianceExplainedCompon entInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotal%ofVaria nceCumulative%Total%ofVaria nceCumulative%Total%ofVarianc eCumulative%13.07943.99243.9923.07943.99243.9922.66037.99937.9992

8、2.35333.60877.6002.35333.60877.6002.34633.51771.51631.04614.94192.5411.04614.94192.5411.47221.02592.5414.4135.90598.4465.0981.39999.8456.011.15299.9977.000.003100.000ExtractionMethod: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。InitialEigenvalues部分描述了初始因子解的状况。第一个因子的特征根为3.

9、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。ExtractionSumsofSquaredLoadings 部分和 RotationSumsofSquaredLoadings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

10、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.Component123Zscore（电力、热力、燃气及水生.871产和供应业）Zscore（交通运输、仓储和邮政业）-.860Zscore:采矿业.857Zscore（农、林、牧、渔业）.704Zscore（批发和零售业）.726.569Zscore:

11、建筑业.687.364Zscore:制造业.600.793ComponentMatrix a旋转前 的因子 载荷矩 阵ExtractionMethod:PrincipalComponentAnalysis.a.3componentsextracted.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。.旋转后的因子载荷矩阵Rot

12、atedComponentMatrix aComponent123Zscore（农、林、牧、渔业）.899Zscore（交通运输、仓储和邮政业）-.716-.3.41Zscore:采矿业.771.352Zscore（电力、热力、燃气及水生产和.749.440.441供应业）Zscore:建筑业.985Zscore（批发和零售业）.961Zscore:制造业.873ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.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

13、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。.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。.因子得分系数ComponentScoreCoefficientMatrixComponent123Zscore（农、林、牧、渔业）.445.075-.350Zscore:采矿业.261-.054.093Zscore:制造业-.180.008.7

14、61Zscore（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