spss因子分析法--比較的好-資料下載頁
2025-08-05 01:29本頁面
【正文】 mation MatrixComponent89101112131.072.063.014.029.016.0032.069.003.017.0113.071.013.0034.046.049.008.0045.119.004.0256.001.0747.224.0208.451.047.073.130.0319.283.30910.023.500.75111.000.35412.157.241.80613.005.281Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. （9）SPSS輸出的該部分的結(jié)果如下：該部分是載荷散點(diǎn)圖，這里為3個(gè)因子的三維因子載荷散點(diǎn)圖，以三個(gè)因子為坐標(biāo)，給出各原始變量在該坐標(biāo)中的載荷散點(diǎn)圖，該圖是旋轉(zhuǎn)后因子載荷矩陣的圖形化表示方式。如果因子載荷比較復(fù)雜，則通過該圖則較容易解釋。（10）SPSS輸出的該部分的結(jié)果如下：Component Score Coefficient MatrixComponent123456人均GDP(元/人).003.100.046人均全社會(huì)固定資產(chǎn)投資額.814.044.141人均城鎮(zhèn)固定資產(chǎn)投資額.520.205.065人均一般預(yù)算性財(cái)政收入.045.164.148第三產(chǎn)業(yè)占GDP比重(%).522.088人均社會(huì)消費(fèi)品零售額.017.033人均實(shí)際利用外資額（萬美元/人）.198.057人均城鄉(xiāng)居民儲(chǔ)蓄存款.251.018農(nóng)民人均純收入.125.045在崗職工平均工資人才密度指數(shù)科技支出占財(cái)政支出比重（%）.102每萬人擁有執(zhí)業(yè)醫(yī)師數(shù)量.567.095每千人擁有病床數(shù).155.069.017Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.Component Score Coefficient MatrixComponent7891011人均GDP(元/人).000.495人均全社會(huì)固定資產(chǎn)投資額.168人均城鎮(zhèn)固定資產(chǎn)投資額.381.372人均一般預(yù)算性財(cái)政收入.018.443第三產(chǎn)業(yè)占GDP比重(%).521人均社會(huì)消費(fèi)品零售額.067人均實(shí)際利用外資額（萬美元/人）.559人均城鄉(xiāng)居民儲(chǔ)蓄存款.143.455農(nóng)民人均純收入.243.596在崗職工平均工資.057.328人才密度指數(shù).351.398科技支出占財(cái)政支出比重（%）.308每萬人擁有執(zhí)業(yè)醫(yī)師數(shù)量.608.174每千人擁有病床數(shù).307Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.Component Score Coefficient MatrixComponent1213人均GDP(元/人)人均全社會(huì)固定資產(chǎn)投資額.486.766人均城鎮(zhèn)固定資產(chǎn)投資額人均一般預(yù)算性財(cái)政收入第三產(chǎn)業(yè)占GDP比重(%)人均社會(huì)消費(fèi)品零售額.949人均實(shí)際利用外資額（萬美元/人）人均城鄉(xiāng)居民儲(chǔ)蓄存款農(nóng)民人均純收入.508在崗職工平均工資.217人才密度指數(shù)科技支出占財(cái)政支出比重（%）每萬人擁有執(zhí)業(yè)醫(yī)師數(shù)量每千人擁有病床數(shù).651Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.該表格是因子得分矩陣。這是根據(jù)回歸算法計(jì)算出來的因子得分函數(shù)的系數(shù)，根據(jù)這個(gè)表格可以看出下面的因子得分函數(shù)。F1=++++++ +……SPSS根據(jù)這13個(gè)因子的得分函數(shù)，自動(dòng)計(jì)算2個(gè)樣本的3個(gè)引子得分，并且將3個(gè)引子得分作為新變量，保存在SPSS數(shù)據(jù)編輯窗口中（分別為FAC1_FAC2_FAC3_FAC4_FAC5_FAC6_FAC7_FAC8_FAC9_FAC10_FAC11_FAC12_FAC13_1）（11）SPSS輸出的該部分的結(jié)果如下：Component Score Covariance MatrixComponent12345671.000.000.000.000.000.0002.000.000.000.000.000.0003.000.000.000.000.000.0004.000.000.000.000.000.0005.000.000.000.000.000.0006.000.000.000.000.000.0007.000.000.000.000.000.0008.000.000.000.000.000.000.0009.000.000.000.000.000.000.00010.000.000.000.000.000.000.00011.000.000.000.000.000.000.00012.000.000.000.000.000.000.00013.000.000.000.000.000.000.000Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores. Component Score Covariance MatrixComponent89101112131.000.000.000.000.000.0002.000.000.000.000.000.0003.000.000.000.000.000.0004.000.000.000.000.000.0005.000.000.000.000.000.0006.000.000.000.000.000.0007.000.000.000.000.000.0008.000.000.000.000.0009.000.000.000.000.00010.000.000.000.000.00011.000.000.000.000.00012.000.000.000.000.00013.000.000.000.000.000Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores. 該輸出部分是因子變量的協(xié)方差矩陣。在前面已經(jīng)說明，所得到的因子變量應(yīng)該是正交、不相關(guān)的。從協(xié)方差矩陣看，不同因子之間的數(shù)據(jù)為0，因而也證實(shí)了銀子之間是不相關(guān)的。課程作業(yè)選擇自己感興趣的數(shù)據(jù)（自己建立亦可），進(jìn)行主成分分析，并對(duì)結(jié)果進(jìn)行簡(jiǎn)要解釋，可將結(jié)果與上次課中聚類分析結(jié)果進(jìn)行對(duì)比。
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1