因子分析的步骤.docVIP

因子分析的步骤 1、评价指标体系： 我国31个省市自治区2006年的6项主要经济指标数据： 人均GDP、财政收入、固定资产投资、年末总人口、居民消费水平、社会消费品零售总额 2、考察数据是否适合做因子分析 运用因子分析方法的前提是，变量之间存在线性的关系，这样才能够达到减少变量，方便分析的目的。通过变量的相关矩阵可知，大多数变量的相关系数大于0.3，具有较强的相关性。 相关矩阵 人均GDP 财政收入 固定资产投资 年末总人口 居民消费水平 社会消费品零售总额 相关 人均GDP 1.000 .670 .362 -.091 .967 .436 财政收入 .670 1.000 .832 .560 .693 .924 固定资产投资 .362 .832 1.000 .783 .327 .932 年末总人口 -.091 .560 .783 1.000 -.066 .771 居民消费水平 .967 .693 .327 -.066 1.000 .442 社会消费品零售总额 .436 .924 .932 .771 .442 1.000 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。 .695 Bartlett 的球形度检验 近似卡方 277.025 df 15 Sig. .000 分析可知，Bartlett球形度检验统计量观测值为277.025，相应的概率P接近0.如果显著性水平为0.05，由于概率P小于显著性水平0.05，应拒绝原假设，认为相关矩阵与单位矩阵有显著差异。同时，KMO值为0.695，较好的达到了标准，可以运用因子分析的方法。 3、提取因子 根据原来变量的相关系数矩阵，采用主成分分析法提取因子并选取大于1的特征根。 公因子方差 初始 提取 人均GDP 1.000 .975 财政收入 1.000 .956 固定资产投资 1.000 .927 年末总人口 1.000 .930 居民消费水平 1.000 .974 社会消费品零售总额 1.000 .972 提取方法：主成份分析。 表中第3列是根据因子分析最终解计算出的变量共同度。可以看出，变量的绝大部分信息可被因子分析，信息丢失较少。因子提取的总体效果比较好。 解释的总方差 成份 初始特征值 提取平方和载入 合计 方差的 % 累积 % 合计 方差的 % 累积 % 1 3.963 66.052 66.052 3.963 66.052 66.052 2 1.771 29.518 95.570 1.771 29.518 95.570 3 .128 2.128 97.698 4 .095 1.589 99.287 5 .026 .433 99.720 6 .017 .280 100.000 提取方法：主成份分析。 看表的第2列，变量相关系数矩阵有2个特征根大于1，它们分别是：3.963，1.771。它们一起解释了各省市综合发展情况的95.57%。也就是说前2个因子集中体现了原始数据大部分的信息，因此，提取2个公共因子是合适的，能够比较全面的反映情况。同时可以参考碎石图来验证。 该图的横坐标为因子数目，纵坐标为特征根。曲线迅速下降，然后下降变得平缓，从第3个因子开始变成近似一条直线，特征根值小于1，解释原有的变量贡献小。曲线变平开始的前一个点被认为是提取的最大因子数，即提取2个公因子。第3个因子后面的这些散点像山脚下的碎石，可以舍去，不会损失太多信息。 4、因子的命名与解释 计算输出因子载荷矩阵，是用标准化的公因子近似表示标准化原始变量的系数矩阵，见下表： 成份矩阵a 成份 1 2 人均GDP .670 .725 财政收入 .976 .055 固定资产投资 .896 -.351 年末总人口 .633 -.728 居民消费水平 .674 .721 社会消费品零售总额 .950 -.263 提取方法 :主成份。 a. 已提取了 2 个成份。 人均GDP=0.670F1+0.725F2 财政收入=0.976F1+0.055F2 固定资产投资=0.896F1-0.351F2 年末总人口=0.633F1-0.728F2 居民消费水平=0.674F1+0.721F2 社会消费品零售总额=0.950F1-0.263F2 旋转成份矩阵a 成份 1 2 人均GDP .112 .981 财政收入 .755 .622 固定资产投资 .931 .247 年末总人口 .941 -.213 居民消费水平 .117 .9