华东理工大学SPSS实验7.docVIP

华东理工大学2015—2016 学年 第 二 学期 《 多元统计学 》实验报告7 班级 工商144 学号 姓名 孙政 开课学院 商学院 任课教师 任飞 成绩 实验内容：实验 7 因子分析法 “主成分分析”的计算机实现 使用默认值进行主成分分析 “因子分析”的计算机实现 使用选择项进行因子分析 3. 作业：选用数据文件data15-01，利用因子分析的新变量，进行聚类分析 实验要求： 熟悉SPSS中主成分分析功能 使用默认值进行主成分分析： 选用数据文件data15-01 进行主成分分析 讨论输出结果 思考：选用员工数据、连锁店数据，运用主成分分析方法，完成有关问题的讨论 熟悉SPSS中因子分析功能 使用选择项进行因子分析 选用数据文件data15-01 打开 Data Reduction--- Factor 在因子分析的主对话框中除了要指定参与因子分析的变量以外，还有五个子对话框 可供选择 运行后，对结果展开讨论 作业：选用数据文件data15-01,利用因子分析的新变量，进行聚类分析 聚类要求:聚为两类、三类、四类， 作散点图， 比较分为两类和三类的结果 教师评语： 教师签名： 年 月 日 实验报告： 1、熟悉SPSS中主成分分析功能（使用默认值进行主成分分析） 打开“data15-01.sav”，首先对变量X1~X50进行相关性分析，选择“Analyze”→“Correlate”→“Bivariate”，对变量X1~X50进行Pearson相关分析，得到结果选取相关性较高的X1，X7，X11，X12，X15，X19，X23，X24，X29，X30，X46，X49 按照顺序“Analyze”→“Data Reduction”→“Factor”，选择变量X1，X7，X11，X12，X15，X19，X23，X24，X29，X30，X46，X49进入到“Variables”框中，如图 5 得到结果与分析如下： 图1：变量共同度 变量共同度表中看到最后一列的数值，除了x7.x15.x30所对应的共同度大于0.5，相对较高之外，其余变量共同度都较低，说明除了x7.x15.x30三个变量之外，其余每个变量被主成分解释的程度较低，损失的信息较多。 图2：方差贡献表 方差贡献表中，Total是特征根，% of variance 表示每个特征根对应的方差贡献，cumulative%是累计方差贡献。 从本题中可以看出，总共提取了3个主成分，因为有三个特征根大于1。但是进一步分析，三个主成分的累积方差贡献率只有42.921%，即3个主成分总共解释了总变异的42.921%，说明三个主成分的选取并不是十分的理想，对其余变量的解释程度较低，这可能是由于变量间的相关性本身就较低造成的。 图3：因子载荷矩阵 因子载荷矩阵，其中的数值表示主成分与原始变量的相关系数，绝对值的大小代表了主成分与原始变量的相关程度，据此可以看出每一主成分所代表的原始变量的信息。从本例来看，3个主成分与原始变量的相关程度都较低（大多数都0.05），所代表的原始变量信息较少。 总结：本例中提取的3个主成分对变量的解释程度很低，说明主成分对变量的解释效果不好，主要原因可能在于各变量的相关性仍然较低。 思考：利用员工和连锁店的数据进行主成分分析 利用员工数据进行主成分分析 打开“employee data.sav”，首先对各变量进行相关性分析，选择“Analyze”→“Correlate”→“Bivariate”，对各变量进行Pearson相关分析，得到结果选取相关性较高的四个变量“Current Salary”、“Employment Category”、“Education Level”、“Beginning Salary”进行主成分分析 按照顺序“Analyze”→“Data Reduction”→“Factor”，选择变