SPSS因子分析法-内容及案例

......word.zl...word.zl.实验课：因子分析实验目的理解主成分〔因子〕分析的根本原理，熟悉并掌握SPSS中的主成分〔因子〕分析方法及其主要应用。因子分析一、根底理论知识概念因子分析FactoranalysisPrincipalponentanalysis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。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展重新组构，它能够反映原有变量大局部的信息。〔3〕因子变量之间不存在显著的线性相关关系，对变量的分析比拟方便，但原始局部变量之间多存在较显著的相关关系。〔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的综合和反映。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。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n×p阶的地理数据矩阵:x x x 11 12 1pXx21

x2p x xn2

x np当p较大时，在p线性组合：记x1，x2，…，xP为原变量指标，z1，z2，…，zm〔m≤p〕为新变量指标〔主成分〕，那么其线性组合为:zl

xl

xl x1 111

12

1p p2z l x2 21

l x22

l x2p pz l xzm 1

l xm22

l xmp pLij是原变量在各主成分上的载荷zl

xl

xl x1 111

12

1p p2z l x2 21

l x22

l x2p pz l xzm 1

l xm22

l xmp p解中之一。zi与zj相互无关；z1是x1，x2，…，xp的一切线性组合中方差最大者，z2是与z1不相关的x1，x2，…的所有线性组合中方差最大者。那么，新变量指标z1，z2，…分别称为原变量指标的第一，第二，…主成分。Z为因子变量或公共因子，可以理解为在高维空间中互相垂直的m个坐标轴。主成分分析实质就是确定原来变量xj〔j=1，2，…，p〕在各主成分zi〔m〕上的荷载lij。从数学上容易知道，从数学上也可以证明，它们分别是相关矩阵的m个较大的特征值所对应的特征向量。分析步骤确定待分析的原有假设干变量是否适合进展因子分析(第一步 )从众多的原始变量中重构少数几个具有代表意义的因子变量的过程的要求：原有变量之间要具有比拟强的相关性。因此，因子分析需要先进展相关分析于0.3且未通过检验，那么这些原始变量就不太适合进展因子分析。rRr2111r12r22rp2r1pr2p rp1rppr r ijnk1(x(x x)(xkiix)kj jnnkix)i2(x x)2kj jkk差标准化方法，标准化后的数据均值为。SPSS在因子分析中还提供了几种判定是否适合因子分析的检验方法。主要有以下3种：巴特利特球形检验〔BartlettTestofSphericity〕Anti-imagecorrelationKMO〔Kaiser-Meyer-Olkin〕检验〔1〕巴特利特球形检验H0阵，即相关系数矩阵对角线上的所有元素都为1，而所有非对角线上的元素都为H0能是单位阵，也即原始变量间存在相关性。〔2〕反映象相关矩阵检验反映象相关矩阵。偏相关系数是在控制了其他变量影响的条件下计算出来的相关系数，如果变量之间存在较多的重叠影响，那么偏相关系数就会较小，这些变量越适合进展因子分析。〔3〕KMO〔Kaiser-Meyer-Olkin〕检验该检验的统计量用于比拟变量之间的简单相关和偏相关系数。KMO值介于0-1，越接近1，说明所有变量之间简单相关系数平方和远大于偏相关系数平方和，越适合因子分析。其中，Kaiser给出一个KMO检验标准：KMO>0.9，非常适合；0.8<KMO<0.9，适合；0.7<KMO<0.8，一般；0.6<KMO<0.7，不太适合；KMO<0.5，不适合。构造因子变量因子分析中有很多确定因子变量的方法，如基于主成分模型的主成分分析和基于因子分析模型的主轴因子法、极大似然法、最小二乘法等。前者应用最为广泛。Principalponent该方法通过坐标变换，将原有变量作线性变化，转换为另外一组不相关的变量Zi〔主成分〕。求相关系数矩阵的特征根λi(λ1,λ2,…,λp>0)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的方差奉献〔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的方差奉献率与累积奉献率。ii(i1,2,,p)pkkikpk(i1,2,,p)kk子〔主成分〕所能代表的原始变量信息。公共因子个数确实定准那么：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奉献率来确定，一般取累计奉献率达85-95%的特征值所对应的第一、第二、…、第m〔m≤p〕个主成分。也有学者认为累积方差奉献率应在80％以上。因子变量的命名解释/主成分Z1,Z2,…,Zm变换后，得到的新的综合变量的物理含义到底是什么？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。a a l(i,jp)ij iijaA＝a2111...a12a21...ap1............a l1l 12 2a l2m1m11...21...1ap1apm21 ...............l1m ll2m...mm lp1 1p1 2lpm mxxaza za11111221p pzx a za za z22112222p pxamza za z1 m22 mp pzlxl xl1 111 1221p pxz l xl xl x2 211 2222p pzm 1 m22l xl xlxmp p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因子变量能够解释的原有变量Xi。aA＝a2111...a12a21...ap1............a l1l 12 2a l2m1m11...21...1ap1apm21 ...............l1m ll2m...mm lp1 1p1 2lpm m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。varimaxorthogonalobliquerotation〕——因子斜交旋转后，各因子负荷发生了变化，出现了两变。斜交旋转因为因子间的相关性而不受欢送那么应该考虑斜交旋转。适用于大数据集的因子分析。01。从而使原有因子变量更具有可解释性。计算因子变量得分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：zlxl xl1 111 1221p pxz l xl2 211 222xl x2p pzm 1 m22lxl xl xmp pThomsonBayes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：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。结果的分析解释此局部详细见案例分析二、案例分析研究问题18个县市14个指标因子，具体来说有人均GDP(元/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GDP比重(%)、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..医师数量、每千人拥有病床数。要求根据这14项容进展因子分析，得到维度较少的几个因子。实现步骤【1】在“Analyze〞菜单“DataReduction〞中选择“Factor〞命令，如下列图所示。【2FactorAnalysis14个变量，使之添加到Variables框中。. .word.zl...【3Analysis：Descriptives下图。Statistics框用于选择哪些相关的统计量，其中：UnivariatedescriptivesInitialsolution〔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，中：. .word.zl...Coefficients〔相关系数矩阵〕Significanceleves〔显著性水平〕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〔KMO检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Continue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，如下列图所示：因子提取方法在Method下拉框中选取，SPSS共提供了7种方法：PrincipleponentsAnalysis〔主成分分析〕. .word.zl...Unweightedleastsquares〔未加权最小平方法〕Generalizedleastsquares〔综合最小平方法〕Maximumlikelihood〔最大似然估价法〕Principalaxisfactoring〔主轴因子法〕Alphafactoring〔α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的最大迭代次数统默认的最大迭代次数为25。本例选用Principalponents方法，选择相关系数矩阵作为提取因子变量的依据，UnrotatedfactorsolutionScreeplotEigenvaluseover项，在该选项后面可以输入1，1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. .word.zl...对话框，如下列图所示：帮助我们解释因子。SPSS默认不进展旋转〔NoneMethod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LoadingContinue按钮返回. .word.zl...Analysis对话框。【6】单击FactorAnalysis对话框中的Scores按钮，弹出FactorAnalysis:Scores对话框，如下列图所示：该对话框用以选择对因子得分进展设置，其中：Regression〔回归法〕：因子得分均值为0，采用多元相关平方；Bartlett0，最小化；Anderson-Rubin〔安德森-洛宾法〕：因子得分均值为0，标准差1，彼此不相关；Displayfactorscorecoefficient系数矩阵。【7】单击FactorAnalysis对话框中的Options按钮，弹出FactorAnalysis:Options对话框，如下列图所示：. .word.zl...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：Sortedbysize：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。结果与讨论〔1〕SPSS输出的第一局部如下：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. .word.zl.......word.zl...word.zl.析的个案数。这个是步骤3中选中Univariatedescriptives项的输出结果。MeanStd.DeviationAnalysisN人均GDP(元/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第三产业占GDP比重(%)29.06129.4685818人均社会消费品零售额6567.25663068.7546318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18110.38892374.0575418人才密度指数8.15485.3755218科技支出占财政支出比重〔%〕1.3494.5019318每万人拥有执业医师数量12.68838.8869118每千人拥有病床数2.36081.1607718DescriptiveStatistics〔2〕SPSS输出结果文件中的第二局部如下：该表格给出的是18个原始变量的相关矩阵DescriptiveStatisticsCorrelationMatrix人均GDP(元/人)人均全社会固定资产投资额人均城镇固定资产投资额Correlation 人均GDP(元/人) 1.000.503.707人均全社会固定资产投资额 .5031.000.883人均城镇固定资产投资额 .707.8831.000CorrelationMatrixCorrelationMatrix人均一般预算性财政收入.776.571.821第三产业占GDP比重(%).567.507.759人均社会消费品零售额.737.247.600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每万人拥有执业医师数量.434.520.733每千人拥有病床数.573.565.761人均一般预算性财政收入第三产业占GDP比重(%)人均社会消费品零售额Correlation人均GDP(元/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第三产业占GDP比重(%).8301.000.646人均社会消费品零售额.693.6461.000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.795.745.812.729.575.490每万人拥有执业医师数量.818.844.627每千人拥有病床数.911.806.629CorrelationMatrixCorrelationMatrixCorrelationMatrix人均实际利用外 人均城乡居民储CorrelationMatrix人均实际利用外 人均城乡居民储资〔万美元/人〕 蓄存款 农民人均纯收入Correlation人均GDP(元/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第三产业占GDP比重(%).822.882.278人均社会消费品零售额.616.839.516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.388.647.411人才密度指数.752.868.315科技支出占财政支出比重〔%〕.570.626.210每万人拥有执业医师数量.795.885-.075每千人拥有病床数.784.866.000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〔%〕Correlation人均GDP(元/人).789.741.582人均全社会固定资产投资额.325.470.378人均城镇固定资产投资额.544.737.486人均一般预算性财政收入.736.795.729第三产业占GDP比重(%).548.745.575人均社会消费品零售额.609.812.490人〕.388.752.570人均城乡居民储蓄存款.647.868.626农民人均纯收入.411.315.210在岗职工平均工资1.000.539.421人才密度指数.5391.000.577.421.5771.000每万人拥有执业医师数量.477.739.519每千人拥有病床数.575.719.769每万人拥有执业医师数量每千人拥有病床数Correlation人均GDP(元/人).434.573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第三产业占GDP比重(%).844.806人均社会消费品零售额.627.629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.739.719.519.769每万人拥有执业医师数量1.000.912每千人拥有病床数.9121.000CorrelationMatrix〔3〕SPSS输出结果的第四局部如下：CorrelationMatrixBartlett'sTestofSphericityBartlett'sTestofSphericityKMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy.Approx.Chi-SquaredfSig..551324.22791.000该局部给出了KMO检验和Bartlett球度检验结果。其中KMO值为0.551，Kaiser给出的标准，KMO0.6，不太适合因子分析。BartlettBartlett球度检验的零假设，认为适合于因子分析。〔4〕SPSS输出结果文件中的第六局部如下：人均GDP(元/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人均一般预算性财政收入1.0001.000第三产业占GDP比重(%)1.0001.000人均社会消费品零售额1.0001.000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每万人拥有执业医师数量1.0001.000每千人拥有病床数1.0001.000munalitiesInitialExtractionmunalitiesInitialExtractionExtractionMethod:PrincipalponentAnalysis.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14个特征值，它们是因子分析的初始解，可利用这14个初始解和对应的特征向量计算m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。TotalVarianceExplainedInitialEigenvaluesTotalVarianceExplainedInitialEigenvaluesExtractionMethod:PrincipalponentAnalysis.TotalVarianceExplainedponentTotal%ofVarianceCumulative%19.13965.27921.71812.26931.0147.2404.6594.7065.5363.8276.3612.5777.2581.8448.133.9529.077.54910.049.34911.031.22412.020.14013.005.03814.001.005100.000InitialEigenvaluesInitialEigenvaluesExtractionSumsofSquaredLoadingsExtractionMethod:PrincipalponentAnalysis.ponentCumulative%Total%ofVarianceCumulative%165.2799.13965.27965.279277.5481.71812.26977.548384.7881.0147.24084.788489.494.6594.70689.494593.321.5363.82793.321695.898.3612.57795.898797.743.2581.84497.743898.695.133.95298.695999.244.077.54999.2441099.593.049.34999.5931199.817.031.22499.8171299.958.020.14099.9581399.995.005.03899.995ponentTotal%ofVarianceCumulative%14.79434.24234.24222.26216.15850.40031.84613.18863.58741.57111.22274.80951.54811.06085.8696.8446.02891.8987.5674.04895.9468.2731.94897.8949.131.93898.83210.068.48299.31411.046.32999.64312.035.25299.89513.014.10099.995TotalVarianceExplainedRotationSumsofSquaredLoadingsExtractionMethod:PrincipalponentAnalysis.TotalVarianceExplainedRotationSumsofSquaredLoadingsExtractionMethod:PrincipalponentAnalysis.Eigenvalues13个初始解序号。第二列是因子变量的方差奉献〔特征9.139ofVariancem个因子描述的总方差占原有变量的总方差的比例。第五列和第七13个公共因子后对原变量总体的描述情况。各列数据的含5〔6〕SPSS输出的该局部的结果如下：ponentMatrixaponent123456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每千人拥有病床数.910-.272-.089.204-.051.040第三产业占GDP比重(%).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每万人拥有执业医师数量.861-.362-.183-.137-.115.069人〕.815-.271-.346-.079.064-.012人均社会消费品零售额.805.370-.218-.203.026-.223人均GDP(元/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:PrincipalponentAnalysis.a.13ponentsextracted.该表格是最终的因子载荷矩阵ExtractionMethod:PrincipalponentAnalysis.a.13ponentsextracted.X=AF+aεx1=0.959F1-0.075F2+0.015F3+0.158F4-0.140F5-0.023F6-0.096F7+0.017F8-0.117F9+0.004F10-0.062F11-0.040F12+0.021F13ponentMatrixaponentMatrixaExtractionMethod:PrincipalponentAnalysis.ponent7891011人均一般预算性财政收入-.096.017-.117.004-.062人均城乡居民储蓄存款.109-.022-.134-.073-.016每千人拥有病床数.158.034.061.106-.046第三产业占GDP比重(%)-.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每万人拥有执业医师数量.200-.081.015.073.061人〕-.330.115.080.021.023人均社会消费品零售额.177.191.035-.054.027人均GDP(元/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农民人均纯收入.036-.006.039.053-.030人均全社会固定资产投资额.044.006.055-.045.050ponentMatrixaponent7891011人均一般预算性财政收入-.096.017-.117.004-.062人均城乡居民储蓄存款.109-.022-.134-.073-.016每千人拥有病床数.158.034.061.106-.046第三产业占GDP比重(%)-.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每万人拥有执业医师数量.200-.081.015.073.061人均实际利用外资额〔万美元/-.330.115.080.021.023人〕人均社会消费品零售额.177.191.035-.054.027人均GDP(元/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农民人均纯收入.036-.006.039.053-.030人均全社会固定资产投资额.044.006.055-.045.050ExtractionMethod:PrincipalponentAnalysis.a. 13ponentsextracted.ponentMatrixaponent1213人均一般预算性财政收入-.040.021人均城乡居民储蓄存款.089-.015每千人拥有病床数-.004-.042第三产业占GDP比重(%)-.066-.019人才密度指数-.019-.006人均城镇固定资产投资额-.004.018每万人拥有执业医师数量.008.040人均实际利用外资额〔万美元/.046.003人〕人均社会消费品零售额-.044-.001人均GDP(元/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:PrincipalponentAnalysis.a.13ponentsextracted.ExtractionMethod:PrincipalponentAnalysis.a.13ponentsextracted.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。RotatedponentMatrixaponentGDP比重(%)〞/RotatedponentMatrixaponent123456每万人拥有执业医师数量.877.278.182.163-.125.181第三产业占GDP比重(%).861.299.185.184.261-.010人〕.806.133.102.242-.047.142人均城乡居民储蓄存款.767.255.306.239.174.311每千人拥有病床数.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.500.772.239.123.096.177在岗职工平均工资.288.161.896.130.239.107人均GDP(元/人).198.386.559.290.429.246科技支出占财政支出比重〔%〕.340.166.154.895.127.077农民人均纯收入-.012-.044.187.063.972.105人均社会消费品零售额.498.101.285.156.396.663人才密度指数.583.283.207.218.229.291RotatedponentMatrixaRotatedponentMatrixaExtractionMethod:PrincipalponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.a.Rotationconvergedin7iterations.RotatedponentMatrixaExtractionMethod:PrincipalponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.a.Rotationconvergedin7iterations.ponent7891011每万人拥有执业医师数量.105-.121-.004.089-.060第三产业占GDP比重(%).030.069-4.382E-5-.131.033人〕.174.458.036-.007.009人均城乡居民储蓄存款.175-.040.072-.031.031每千人拥有病床数.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(元/人).255.099.310.001.009科技支出占财政支出比重〔%〕.084.046.018-.013-.001农民人均纯收入.049-.009.004-.007.003人均社会消费品零售额.189.056.027.013.006人才密度指数.587.081.032.003.006ponent1213每万人拥有执业医师数量-.034-.083第三产业占GDP比重(%)-.034.083人〕-.003.003人均城乡居民储蓄存款.173-9.035E-5每千人拥有病床数-.031.007人均一般预算性财政收入.036.015人均全社会固定资产投资额-.005.000人均城镇固定资产投资额.023.000在岗职工平均工资.000.000人均GDP(元/人).011-.001科技支出占财政支出比重〔%〕.006.000农民人均纯收入.005.003人均社会消费品零售额-.002-.001人才密度指数.006.000ExtractionMethod:PrincipalponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ExtractionMethod:PrincipalponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.a.Rotationconvergedin7iterations.ponentTransformationMatrixExtractionMethod:PrincipalponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ponentTransformationMatrixExtractionMethod:PrincipalponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ponent12345671.685.392.366.332.178.236.1872-.330-.259.348-.028.805.195.0943-.467.826.213-.101.015-.161-.0544-.273-.174.241.850-.169-.229-.1685-.057.236-.782.371.379.012.1686.330.022-.013-.075.365-.601-.5647.022.040-.123.089.020.402-.2278-.064.081-.052.014-.010.509-.7079-.074.049.089.021.027.011.11210.070-.028-.065-.070.096-.176-.01811.028.001.006.002-.033.068-.11812.008.015.004-.008.044-.101-.03713.002.002-.001.015.013-.007-.019ponentTransformationMatrixponentTransformationMatrixExtractionMethod:PrincipalponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ponent89101112131.072.063.014.029.016.0032-.017.069-.042.003.017.0113-.101.071-.002.013-.003.0034-.030.046.049.008-.014.0045.119.004-.064-.015-.008.0256-.121-.194-.109.001-.052.0747-.804-.202.224-.122.020-.0948.451.047.073.130-.002.0319.283-.723.309-.346-.383-.07810.023.500.751-.016-.309-.18611.000.354-.375-.793-.271-.10712.157-.054.241-.373.806-.33313.005-.054-.257.281-.174-.906〔9〕SPSS输出的该局部的结果如下：..3形化表示方式。如果因子载荷比拟复杂，那么通过该图那么较容易解释。〔10〕SPSS输出的该局部的结果如下：ponentScoreCoefficientMatrixponent123456人均GDP(元/人)-.054.003.100-.090.046-.083人均全社会固定资产投资额-.237.814-.049.044-.064.141人均城镇固定资产投资额-.115.520-.158-.164.205.065人均一般预算性财政收入.045-.143.164.148-.191-.083第三产业占GDP比重(%).522-.062-.111-.161.088-.193. .word.zl.......word.zl...word.zl.人均社会消费品零售额-.217.017-.092.033-.1942.033人〕.198-.063-.026-.105.057-.231人均城乡居民储蓄存款.251-.056-.057-.091.018-.055农民人均纯收入.125.045-.251-.0361.119-.657在岗职工平均工资-.197-.0791.205-.096-.183-.179人才密度指数-.099-.088-.021-.051-.068-.417科技支出占财政支出比重〔%〕-.280-.018-.1201.196-.016.102每万人拥有执业医师数量.567-.091-.102-.143.095-.282每千人拥有病床数.155-.068-.051.069.017-.156ExtractionMethod:PrincipalponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ponentScores.ponentScoreCoefficientMatrixponent7891011人均GDP(元/人)-.068.0003.170.495-2.090人均全社会固定资产投资额-.187.168-.408-.518-2.174人均城镇固定资产投资额-.164.381-.932.3723.308人均一般预算性财政收入.018-.389.443-1.2374.051第三产业占GDP比重(%)-.219-.699.521-1.479-.443人均社会消费品零售额-.654-.038-.420-1.202.067人〕-.3162.158-.165.559-1.419人均城乡居民储蓄存款-.162-.227.143.455-1.571农民人均纯收入-.186.243-.4901.028.596在岗职工平均工资.057.328-1.668-.425-.568人才密度指数2.215-.426-.985.351.398科技支出占财政支出比重〔%〕-.103-.013-.811-1.655.308每万人拥有执业医师数量-.244-.714.608-1.264.174每千人拥有病床数-.060-.190.3074.583-1.335ExtractionMethod:PrincipalponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ponentScores.1213人均GDP(元/人)-.5491.365人均全社会固定资产投资额.486.766人均城镇固定资产投资额-.099-2.7