应用SPSS分析居民消费

我国各地区城镇居民消费支出结构的因子分析实验数据描述X1-食品X2-衣鞋X3-家庭设备X4-医疗保健X5-交通与通讯X6-文教娱乐X7-居住X8-杂项商品与服务2012年我国各省市城镇居民家庭平均每人全年消费性支出数据地区北京2959.19730.79749.41513.34467.871141.82478.42457.64天津2459.77495.47697.33302.87284.19735.97570.84305.08河北1495.63515.90362.37285.32272.95540.58364.91188.63山西1406.33477.77290.15208.57201.50414.72281.84212.10内蒙古1303.97524.29254.83192.17249.81463.09287.87192.96辽宁1730.84553.90246.91279.81239.18445.20330.24163.86吉林1561.86492.42200.49218.36220.69459.62360.48147.76黑龙江1410.11510.71211.88277.11224.65376.82317.61152.85上海3712.31550.74893.37346.93527.001034.98720.33462.03江苏2207.58449.37572.40211.92302.09585.23429.77252.54浙江2629.16557.32689.73435.69514.66795.87575.76323.36安徽1844.78430.29271.28126.33250.56513.18314.00151.39福建2709.46428.11334.12160.77405.14461.67535.13232.29江西1563.78303.65233.81107.90209.70393.99509.39160.12山东1675.75613.32550.71219.79272.59599.43371.62211.84河南1427.65431.79288.55208.14217.00337.76421.31165.32湖北1783.43511.88282.84201.01237.60617.74523.52182.52湖南1942.23512.27401.39206.06321.29697.22492.60226.45广东3055.17353.23564.56356.27811.88873.061082.82420.81广西2033.87300.82338.65157.78329.06621.74587.02218.27海南2057.86186.44202.72171.79329.65477.17312.93279.19重庆2303.29589.99516.21236.55403.92730.05438.41225.80四川1974.28507.76344.79203.21240.24575.10430.36223.46贵州1673.82437.75461.61153.32254.66445.59346.11191.48云南2194.25537.01369.07249.54290.84561.91407.70330.95西藏2646.61839.70204.44209.11379.30371.04269.59389.33陕西1472.95390.89447.95259.51230.61490.90469.10191.34甘肃1525.57472.98328.90219.86206.65449.69249.66228.19青海1654.69437.77258.78303.00244.93479.53288.56236.51宁夏1375.46480.89273.84317.32251.08424.75228.73195.93新疆1608.82536.05432.46235.82250.28541.30344.85214.40二、实验操作步骤Step01：打开数据文件，进入SPSSStatistics数据编辑器窗口,在菜单栏中依次单击“分析”│“降维”│“因子分析”选项卡，将“X1”、“X2”……“X8”变量选入“变量”列表。Step02：单击“描述”按钮，勾选“原始分析结果”复选框和“KMO和Bartlett的球度检验复选框，单击“继续”按钮，保存设置结果。Step03：单击“抽取”按钮，勾选“碎石图”复选框，其他为系统默认选择，单击“继续”按钮，保存设置结果。Step04：单击“旋转”按钮，勾选“最大方差法”复选框，其他为系统默认选择，单击“继续”按钮保存设置结果Step05：单击“得分”按钮，勾选“保存为变量”和“显示因子得分系数矩阵”复选框，单击“继续”按钮，保存设置结果。实验结果及分析1.KMO和Bartlett检验KMO和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量。.827Bartlett的球形度检验近似卡方392.224df46Sig..000上表给出了KMO和Bartlett检验结果，其中KMO值越接近于1表示越适合做因子分析，从该表可以得到KMO的值为0.827，表示非常适合做因子分析。Bartlett球度检验的原假设为相关系数矩阵为单位阵，Sig值为0.000小于显著性水平0.05，因此拒绝原假设，说明变量之间存在相关关系，适合做因子分析。变量共同度公因子方差初始提取Zscore(X1)1.000.860Zscore(X2)1.000.912Zscore(X3)1.000.953Zscore(X4)1.000.523Zscore(X5)1.000.937Zscore(X6)1.000.753Zscore(X7)1.000.723Zscore(X8)1.000.861提取方法：主成份分析。上表给出了每个变量共同度的结果，表格数据表左侧表示每个变量可以被所有因素所能解释的方差，右侧表示变量的共同度。从该表可以得到，因子分析的变量共同度非常高，表明变量中的大部分信息均能够被因子所提取，说明因子分析的结果是有效的。3.因子贡献率解释的总方差成份初始特征值提取平方和载入旋转平方和载入合计方差的%累积%合计方差的%累积%合计方差的%累积%17.08070.80170.8017.08070.80170.8017.05770.57370.57321.25512.55283.3531.25512.55286.2821.27812.78086.2823.6316.30589.6584.3253.25392.9125.2562.56195.4726.2272.27597.7477.1421.41899.1658.041.41299.5779.027.26899.84610.015.154100.000提取方法：主成份分析。上表给出了因子贡献率的结果。该表中左侧部分为初始特征值，中间为提取主因子结果，右侧为旋转后的主因子结果。“合计”指因子的特征值，“方差的%”表示该因子的特征值占总特征值的百分比，“累计%”表示累计的百分比。其中只有前两个因子的特征值大于1，并且前两个因子的特征值之和占总特征值的86.282%，因此，提取前两个因子作为主因子。因子载荷从未旋转因子载荷表中，可以得到利用主成分方法提取的两个主因子的载荷值。为了方便解释因子含义，需要进行因子旋转。上表（右）给出了旋转后的因子载荷值，其中旋转方法采用的是Kaiser标准化的正交旋转法。通过因子旋转，各个因子有了比较明确的含义。碎石图上面即特征值的碎石图，通过该图显示大因子的陡峭斜率和剩余因子平缓的尾部，之间有明显中断。一般选取主因子在非常陡峭的斜率上，而处在平缓斜率上的因子对变异的解释非常小。从该图可以看出前两个因子处于非常陡峭的斜率上，而从第三个因子开始斜率变平缓，因此选择前两个因子作为主因子。成分得分系数矩阵成份得分系数矩阵成份12Zscore(X1).135-.082Zscore(X2).141-.129Zscore(X3).142-.084Zscore(X4).091.140Zscore(X5)-.047.770Zscore(X6).114.119Zscore(X7).088.313Zscore(X8).123.117提取方法:主成份。旋转法:具有Kaiser标准化的正交旋转法。构成得分。上表分别给出了成分得分系数矩阵以及由成分得分系数