1090402026戈嘉瑜SPSS实验报告.doc

中国劳动关系学院实验室报告 院系: 经济管理系 专业: 经济学 班级: 经济学班 姓名: 戈嘉瑜 学号: 1090402026 实验日期: 2013年12月21日 课程名: 多元统计分析 实验教师: 刘军丽 成绩: 日期: 2014年1月1日 【实验目的】【】【】主成分分析（Principal Component Analysis，PCA）， 将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。又称主分量分析。 在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。 主成分分析首先是由K.皮尔森对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形。 信息的大小通常用离差平方和或方差来衡量。设法将原来变量重新组合成一组新的互相无关的几个综合变量，同时根据实际需要从中可以取出几个较少的综合变量尽可能多地反映原来变量的信息的统计方法叫做主成分分析或称主分量分析，也是数学上用来降维的一种方法。 【】 X1地区生产总值GDP（亿元） X2第三产业占GDP的比重 (%) X3城镇固定资产投资额（亿元） X4社会消费品零售总额（亿元） X5城市居民人均可支配收入（元） X6农村居民人均纯收入（元） 南京 5700.85 7.40 1704.27 1250.05 21260.00 10475 无锡 3858.54 9.10 1180.74 1134.75 20898.00 10026 常州 1881.28 18.60 748.89 610.85 19089.00 9033 苏州 3283.73 11.00 1443.40 1380.46 20317.00 8020 镇江 1206.69 24.50 363.73 331.36 16775.00 7668 南通 2111.88 35.10 633.94 736.54 16451.00 6905 扬州 1311.89 35.30 438.35 418.90 15057.00 6586 泰州 1201.82 33.20 347.73 321.07 14940.00 6469 徐州 1679.56 36.00 769.59 543.01 14875.00 5534 连云港 618.18 36.20 409.56 249.08 13254.00 4828 淮安 765.23 34.80 394.91 269.40 12164.00 5010 盐城 1371.26 34.10 470.06 433.74 13857.00 6092 宿迁 542.00 32.00 256.18 158.87 9468.00 4783 录入数据并进行实验 得出结论表输出 Communalities Initial Extraction Ｘ１ 1.000 .919 Ｘ２ 1.000 .872 Ｘ３ 1.000 .905 Ｘ４ 1.000 .904 Ｘ５ 1.000 .895 Ｘ６ 1.000 .861 Extraction Method: Principal Component Analysis. Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 5.356 89.264 89.264 5.356 89.264 89.264 2 .346 5.765 95.028 3 .154 2.560 97.588 4 .111 1.854 99.442 5 .028 .471 99.914 6 .005 .086 100.000 Extraction Method: Principal Component Analysis. 取特征值大于 1 的因子，有1 个，是（5.356） 方差贡献率分别为89% 这里的Initial Eigenvalues就是特征值（数据相关阵的特征值）。第一个占了总方差的89.264%。 以下是碎石图 图中第一个因子以后坡度平缓，故留一个因子。 Component Matrixa Component 1 Ｘ１ .959 Ｘ２ -.934 Ｘ３ .951 Ｘ４ .951 Ｘ５ .946