原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2015多元统计分析实验报告
例5—2续 对例5—2的数据（数据略）作如下分析：
分析该组数据是否适合做因子分析。
若适合，做因子分析并做正交旋转，写出因子模型，并作适当解释（各因子个代表什么），计算各因子以及综合得分，作出得分图，进行评价。
与聚类分析结果进行比较。
具体分析如下：
（1）输出结果1
Correlation Matrix x1 x2 x3 x4 x5 x6 x7 x8 x9 Correlation x1 1.000 .869 .770 -.053 .211 .920 .899 .795 .896 x2 .869 1.000 .978 .387 .472 .886 .804 .814 .849 x3 .770 .978 1.000 .523 .531 .797 .736 .740 .811 x4 -.053 .387 .523 1.000 .323 .115 -.023 .125 .051 x5 .211 .472 .531 .323 1.000 .175 .260 .371 .317 x6 .920 .886 .797 .115 .175 1.000 .877 .815 .768 x7 .899 .804 .736 -.023 .260 .877 1.000 .757 .818 x8 .795 .814 .740 .125 .371 .815 .757 1.000 .715 x9 .896 .849 .811 .051 .317 .768 .818 .715 1.000 有上面结果可知，原始变量之间相关系数多大于0.300，说明有较强的相关性，所以进行因子分析是合适的。
（2）输出结果2
Component Matrixa Component 1 2 3 x1 .931 -.315 -.012 x2 .976 .163 -.071 x3 .931 .322 -.090 x4 .232 .863 -.436 x5 .433 .596 .670 x6 .923 -.200 -.188 x7 .897 -.274 .035 x8 .871 -.064 .069 x9 .899 -.154 .062 Extraction Method: Principal Component Analysis. a. 3 components extracted.
Communalities Extraction x1 .967 x2 .983 x3 .978 x4 .989 x5 .992 x6 .927 x7 .880 x8 .768 x9 .836 Extraction Method: Principal Component Analysis.
Total Variance Explained Component Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 6.150 68.332 68.332 5.679 63.096 63.096 2 1.473 16.365 84.698 1.402 15.577 78.673 3 .697 7.749 92.447 1.240 13.774 92.447 Extraction Method: Principal Component Analysis.
Component Score Coefficient Matrix Component 1 2 3 x1 .151 -.214 -.017 x2 .159 .111 -.102 x3 .151 .219 -.129 x4 .038 .586 -.625 x5 .070 .405 .961 x6 .150 -.136 -.269 x7 .146 -.186 .051 x8 .142 -.043 .099 x9 .146 -.104 .089 Extraction Method: Principal Component Analysis. 根据输出结果2中Component Matrix 是因子载荷矩阵，用标准化的主成分（公共因子）近似表示标准化原始变量的系数矩阵，用fac1,fac2,fac3表示各公因子，x1（100元工业总产值实现利税（%））为例，即有
标准化的
得到初始载荷矩阵与公因子后，为了解释方便往往需要对因子分析进行旋转，用SPSS分析后得输出结果3
输出结果3
文档评论（0）