第五章社会保障制度评价讲解.ppt

由于提取了两个因子，因此，用方差分析表中的第一主成份特征值和第二主成份特征值，归一化后，做为相应因子的权数。第一因子的权数为：3.727/(3.727+0.176)=0.9549；第一因子的权数为：0.176/(3.727+0.176)=0.0451。 用此权数对两个因子得分进行加权平均，并按得分从高到低排序，得到如下结果（在EXCEL作）： 结果表明：按所选四个指标衡量，上海、北京、天津依次名列前三，而贵州、西藏、甘肃分列倒数三名。山西位居第十五，属于中等水平。 第二种构权方法： 用原始指标作为评价指标，第一主成分的变换系数构造权数 由于第一主成分代表了原始变量的绝大多数信息，而第一主成分的变换系数表示的是各个原始变量（经标准化以后）与第一主成分关系的密切程度（或重要程度，这从主成分的构造式上可以看出： F1=a11x1+a12x2+，…，+a1mxm 此时，需要对主成分的系数做正向化和归一化两种处理： 正向化：由于第一主成分的系数有正有负，而作为权数，必须为正数。因此，需要把负数都转化为正数。方法如下： 选一正数k，使k等于第一主成分系数取绝对值后的最大值，然后，对第一主成分系数做线性变换。假设变换后的系数为Wj，，则： Wj＝（1/2k）（k＋aj） 其中，aj为第一主成分变换系数中的第j变换个系数。 然后，对wj做归一化处理。处理后的数据，就可以作为相应原始变量的权数。 从第一种方法中可以看到，人均GDP、人均财政收入、人均储蓄和农民人均纯收入四个指标的转换系数分别是：0.977、0.969、0.954、0.961。进行归一化处理（由于都是正数，只进行归一化处理即可）后，分别是：0.253043、0.250971、0.247086和0.248899。 由于原始数据具有不同的量纲，因此，需要标准化处理。 * * Univariate descriptives:单变量描述统计量，选择此项，可以输出参与分析的各原始变量的均值、标准差等。 Initial solution:初始分析结果，选择此项，可以输出参与分析的各原始变量的公因子方差、与变量数目相等的因子、各因子的特征值、各因子的特征值占总方差的百分比及累积百分比。 通常取默认选择。 统计部分： 相关矩阵组 coefficients:原始变量间的相关系数； Significance levels:显著性水平； 其他略（参见SPSS教程） 关于选项：Extraction 点击弹出对话框： Principal components:主成分法。 其余略（参阅SPSS教程） Method:提取因子的方法 Extract:控制提取进程和提取结果 Eigenvalues over:指定提取的因子的特征值。系统默认值1，即要求提取那些特征值大于1的因子。 Number of factors:指定提取公因子的数目。 Display:指定与因子有关的输出项 显示未经旋转的因子提取结果。为系统默认值。 其他略（参阅SPSS教程） Maximum iterations for convergence: 因子分析收敛的最大迭代次数，系统默认为25。 关于选项：Rotation 旋转方法选择对话框。选默认值：不旋转。 关于选项：Factor scores 有关因子得分的选择项。 关于选项：Options 有关输出的选择项。 缺失值处理方法： 所有带有缺失值的CASE（单位）不参加分析。 成对剔除有缺失值的CASE（单位）。 用该变量的平均值代替工作变量的所有缺失值。 相关系数的显示格式： 系数按数值大小排列 不显示那些绝对值小于指定值的相关系数。系统默认的临界值为0.10 ⒊输出结果 在SCORE选项中，选择SAVE AS VARIABLES和DISPLAY FACTOR SCORE COEFFICIENT MATRIX） 三、应用 （一）用因子得分作为新变量，进行分析 研究目的：按社会保障基金供给能力将我国各省 进行聚类。 原始指标：人均GDP、人均财政收入、居民人均 储蓄存款余额、农民人均纯收入 用因子得分作为聚类依据。 用于聚类 得到结果如下： （二）用主成分分析结果构造权数 研究目的：评