spss第10章主成分分析和因子分析(參考版)
2025-05-17 11:36本頁面
【正文】 省市 F1 F2 F3 F 綜合排序 山東 8 浙江 7 江蘇 6 廣東 5 遼寧 4 天冿 3 上海 2 北京 1 02 8 1 95 07 2 41 37 3F F F F? ? ?。 Component 1 2 3 x1 .936 .286 .130 x2 .776 .459 .202 x3 .924 .016 .251 x4 .867 .413 .221 x5 .068 .940 .180 x6 .966 .177 .095 x7 .944 .202 .235 x8 .541 .726 .327 x9 .018 .137 .956 x10 .377 .172 .876 x11 .794 .558 .118 x12 .913 .365 .161 x13 .937 .071 .084 x14 .926 .301 .119 x15 .705 .626 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations. 西南財經(jīng)大學(xué)出版社 25 因子分析 ?因子轉(zhuǎn)換矩陣 表明了因子提取的方法是主成分分析，旋轉(zhuǎn)的方法是方差極大法。因子 1在 1 114上有較大的載荷 ，反映科技投入與產(chǎn)出情況，可以命名為創(chuàng)新水平因子。 西南財經(jīng)大學(xué)出版社 23 因子分析 ?旋轉(zhuǎn)前的因子載荷矩陣 在表的底部表明使用的是主成分分析法， 3個主成分被抽取出來。 ?第 2步 數(shù)據(jù)組織：建立 x1x15共 15個數(shù)據(jù)變量和一個“省市”字符型變量，將北京、天津等 8個省市作為個案數(shù)據(jù)輸入并保存。計算因子得分和模型為： 11j j jp pF X X??? ? ?j=1,2,…,m 西南財經(jīng)大學(xué)出版社 19 因子分析 (4)SPSS實現(xiàn)舉例 ?【 例 112】 為了研究幾個省市的科技創(chuàng)新力問題，現(xiàn)取了2021年 8個省市的 15個科技指標(biāo)數(shù)據(jù)，請對其進行因子分析。每組變量代表一個基本結(jié)構(gòu)，這個基本結(jié)構(gòu)稱為一個公共因子。因子分析主要應(yīng)用到兩個方面：一是尋求基本結(jié)構(gòu)，簡化觀測系統(tǒng)；二是對變量或樣本進行分類。由于是以相關(guān)系數(shù)矩陣為出發(fā)點進行因子分析的，所以主成分分析表達式中的變量應(yīng)該是經(jīng)過標(biāo)準化的數(shù)據(jù)。 /ij ij iea ??西南財經(jīng)大學(xué)出版社 12 主成分析 ?計算結(jié)束后得到的特征向量矩陣如下表所示。 ?用公式 計算出標(biāo)準化特征向量。 西南財經(jīng)大學(xué)出版社 9 主成分析 ?主成分的碎石圖 該圖從另一個側(cè)面說明了取前三個主成分為宜。
公司管理相關(guān)推薦
鄂ICP備17016276號-1