spss實(shí)驗(yàn)報告word版-資料下載頁
2025-04-14 02:32本頁面
【正文】 30衣著30家庭設(shè)備30醫(yī)療保健30交通通信30教育文化30居住30雜項(xiàng)商品和服務(wù)30從上表中可以看到，食品、衣著、家庭設(shè)備、醫(yī)療保健、交通通信、教育文化、居住、雜項(xiàng)商品和服務(wù)均值和標(biāo)準(zhǔn)差。相關(guān)矩陣食品衣著家庭設(shè)備醫(yī)療保健交通通信教育文化居住雜項(xiàng)服務(wù)相關(guān)食品.240.812.602.898.876.834.801衣著.240.487.554.439.549.336.529家庭設(shè)備.812.487.660.809.943.770.812醫(yī)療保健.602.554.660.643.728.662.684交通通信.898.439.809.643.887.770.800教育文化.876.549.943.728.887.824.885居住.834.336.770.662.770.824.816雜項(xiàng)服務(wù).801.529.812.684.800.885.816Sig.（單側(cè)）食品.101.000.000.000.000.000.000衣著.101.003.001.008.001.035.001家庭設(shè)備.000.003.000.000.000.000.000醫(yī)療保健.000.001.000.000.000.000.000交通通信.000.008.000.000.000.000.000教育文化.000.001.000.000.000.000.000居住.000.035.000.000.000.000.000雜項(xiàng)服務(wù).000.001.000.000.000.000.000KMO 和 Bartlett 的檢驗(yàn)取樣足夠度的 KaiserMeyerOlkin 度量。.874Bartlett 的球形度檢驗(yàn)近似卡方df28Sig..000公因子方差初始提取食品.944衣著.978家庭設(shè)備.869醫(yī)療保健.977交通通信.873教育文化.963居住.848雜項(xiàng)商品和服務(wù).852提取方法：主成份分析。解釋的總方差成份初始特征值提取平方和載入旋轉(zhuǎn)平方和載入合計方差的 %累積 %合計方差的 %累積 %合計方差的 %累積 %12.902.9023.384.3844.2485.2096.1497.062.7728.029.361提取方法：主成份分析。這里的Initial Eigenvalues就是這里的幾個主軸長度，又稱特征值（數(shù)據(jù)相關(guān)陣的特征值）。%。后面的特征值的貢獻(xiàn)越來越少。 特征值的貢獻(xiàn)還可以從SPSS的所謂碎石圖看出。成份矩陣a成份123食品.899衣著.563.791家庭設(shè)備.920醫(yī)療保健.792.277.523交通通信.915教育文化.976居住.883.148雜項(xiàng)商品和服務(wù).921.017提取方法 :主成份。a. 已提取了 3 個成份。這里每一列代表一個主成分作為原來變量線性組合的系數(shù)（比例）。比如第一主成分作為食品、衣著、家庭設(shè)備、醫(yī)療保健、交通通信、教育文化、居住、雜項(xiàng)商品和服務(wù)這幾個原先變量的線性組合，系數(shù)（比例），.563，.920，.792，.915，.976，.883，.921。 相關(guān)系數(shù)(絕對值）越大，主成分對該變量的代表性也越大?？梢钥吹贸觯谝恢鞒煞謱Ω鱾€變量解釋得都很充分。而最后的幾個主成分和原先的變量就不那么相關(guān)了。 旋轉(zhuǎn)成份矩陣a成份123食品.939.001.248衣著.182.949.212家庭設(shè)備.840.336.225醫(yī)療保健.408.332.837交通通信.877.237.217教育文化.863.364.293居住.807.064.439雜項(xiàng)商品和服務(wù).793.348.320提取方法 :主成份。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。a. 旋轉(zhuǎn)在 4 次迭代后收斂。成份轉(zhuǎn)換矩陣成份1231.853.341.3952.874.2013.896提取方法 :主成份。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。 可以把第一和第二和第三主成分的載荷點(diǎn)出一個二維圖以直觀地顯示它們?nèi)绾谓忉屧瓉淼淖兞康摹＿@個圖叫做載荷圖。成份得分系數(shù)矩陣成份123食品.334衣著.968家庭設(shè)備.253.153醫(yī)療保健交通通信.291.036教育文化.215.142居住.123.356雜項(xiàng)商品和服務(wù).160.116提取方法 :主成份。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。 構(gòu)成得分。成份得分協(xié)方差矩陣成份1231.000.0002.000.0003.000.000提取方法 :主成份。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。 構(gòu)成得分。 可以根據(jù)前面的因子得分公式（因子得分系數(shù)和原始變量的標(biāo)準(zhǔn)化值的乘積之和），算出每個地區(qū)的第一個因子和第二個因子和第三個因子的大小，即算出每個地區(qū)的因子得分f1和f2和f3。人們可以根據(jù)這三套因子得分對地區(qū)分別排序。當(dāng)然得到因子得分只是SPSS軟件的一個選項(xiàng)（可將因子得分存為新變量、顯示因子得分系數(shù)矩陣）20
公司管理相關(guān)推薦
鄂ICP備17016276號-1