spss因子分析法--比較的好-wenkub.com
2025-08-02 01:29 本頁面
【正文】 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。（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。未經(jīng)過旋轉(zhuǎn)的載荷矩陣中，因子變量在許多變量上都有較高的載荷。第八列到第十列是旋轉(zhuǎn)以后得到的因子對(duì)原變量總體的刻畫情況。第三列是各因子變量的方差貢獻(xiàn)率（% of Variance），表示該因子描述的方差占原有變量總方差的比例。（5）輸出結(jié)果第六部分為Total Variance Explained表格Total Variance ExplainedComponentInitial EigenvaluesTotal% of VarianceCumulative %1234.6595.5366.3617.2588.133.9529.077.54910.049.34911.031.22412.020.14013.005.03814.001.005Extraction Method: Principal Component Analysis.Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsCumulative %Total% of VarianceCumulative %1234.6595.5366.3617.2588.133.9529.077.54910.049.34911.031.22412.020.14013.005.038Extraction Method: Principal Component Analysis.Total Variance ExplainedComponentRotation Sums of Squared LoadingsTotal% of VarianceCumulative %123456.8447.5678.2739.131.93810.068.48211.046.32912.035.25213.014.100Extraction Method: Principal Component Analysis.該表格是因子分析后因子提取和銀子旋轉(zhuǎn)的結(jié)果。利用主成分分析方法得到18個(gè)特征值，它們是銀子分析的初始解，可利用這18個(gè)出世界和對(duì)應(yīng)的特征向量計(jì)算出銀子載荷矩陣。s Test of SphericityApprox. ChiSquaredf91Sig..000該部分給出了KMO檢驗(yàn)和Bartlett球度檢驗(yàn)結(jié)果。3 結(jié)果與討論（1）SPSS輸出的第一部分如下：第一個(gè)表格中列出了18個(gè)原始變量的統(tǒng)計(jì)結(jié)果，包括平均值、標(biāo)準(zhǔn)差和分析的個(gè)案數(shù)。Method框用于選擇因子旋轉(zhuǎn)方法，其中：None（不旋轉(zhuǎn)）Varimax（正交旋轉(zhuǎn)）Direct Oblimin（直接斜交旋轉(zhuǎn)）Quanlimax（四分最大正交旋轉(zhuǎn)）Equamax（平均正交旋轉(zhuǎn)）Promax（斜交旋轉(zhuǎn)）Display框用于選擇輸出哪些與因子旋轉(zhuǎn)有關(guān)的信息，其中：Rotated solution（輸出旋轉(zhuǎn)后的因子載荷矩陣）Loading plots（輸出載荷散點(diǎn)圖）本例選擇方差極大法旋轉(zhuǎn)Varimax，并選中Rotated solution和Loading plot項(xiàng)，表示輸出旋轉(zhuǎn)后的因子載荷矩陣和載荷散點(diǎn)圖，單擊Continue按鈕返回Factor Analysis對(duì)話框。單擊Continue按鈕返回Factor Analysis對(duì)話框?！?】點(diǎn)擊“Descriptives”按鈕，彈出“Factor Analysis：Descriptives”對(duì)話框，如圖所示。 結(jié)果的分析解釋此部分詳細(xì)見案例分析二、案例分析1 研究問題石家莊18個(gè)縣市14個(gè)指標(biāo)因子，具體來說有人均GDP(元/人)、人均全社會(huì)固定資產(chǎn)投資額、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、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、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（%）、每萬人擁有執(zhí)業(yè)醫(yī)師數(shù)量、每千人擁有病床數(shù)。貝葉斯（BAYES）判別思想是根據(jù)先驗(yàn)概率求出后驗(yàn)概率，并依據(jù)后驗(yàn)概率分布作出統(tǒng)計(jì)推斷。 計(jì)算因子變量得分因子變量確定以后，對(duì)于每一個(gè)樣本數(shù)據(jù)，我們希望得到它們?cè)诓煌蜃由系木唧w數(shù)據(jù)值，即因子得分。但如果總體中各因子間存在明顯的相關(guān)關(guān)系則應(yīng)該考慮斜交旋轉(zhuǎn)。斜交旋轉(zhuǎn)（oblique rotation）——因子斜交旋轉(zhuǎn)后，各因子負(fù)荷發(fā)生了變化，出現(xiàn)了兩極分化。前者由于保持了坐標(biāo)軸的正交性，因此使用最多。載荷矩陣A中某一列表示某一個(gè)公共因子/因子變量能夠解釋的原有變量 Xi的信息量。利用因子旋轉(zhuǎn)方法能使因子變量更具有可解釋性。也有學(xué)者認(rèn)為累積方差貢獻(xiàn)率應(yīng)在80％以上。新坐標(biāo)第一軸與數(shù)據(jù)變化最大方向?qū)?yīng)。前者應(yīng)用最為廣泛。（3）KMO（KaiserMeyerOlkin）檢
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1