利用SPSS对全国区域旅游业影响因素进行因子分析.ppt

利用SPSS对全国区域旅游业影响因素进行因子分析 组长：宋思潼 组员：李 睿 　　 鲁斯琪 　　　 吕凯歌 　　　 苏娇娇 　　　 汪鸿鹏 张全星 第一步，我们先将搜集到的数据录入到SPSS中得到如图所示 第二步，数据的因子分析 一.因子分析的适用性检验 二.因子个数的确定 三.因子的命名解释 四．计算因子得分 （一）、利用SPSS统计软件，对原始数据进行标准化处理后，得到相关系数矩阵，结果见下表。 从上表的分析结果可以看出：大部分的 相关系数都较高，各变量呈较强的线性 关系，能够从中提取公共因子，适合进 行因子分析 （二）、我们用主成分分析法提取因子并选取大于1的特征值，分析结果如下图 　第一列数据是因子分析初始解下的变量共同度，它表明：如果对原有15个变量采用主成分分析方法提取所有特征值，那么原有变量的所有方差均可被解释，变量的共同度均为1。从第二列数据可以看出，绝大部分信息可被因子解释，这些变量的信息丢失较少。因此，本次因子提取的总体效果较理想。 接下来利用所选数据做出公共因子碎石图（见下图） 由上图可见，当提取1、2个公共因子时,特征值变化非常明显,当提取4 个以后的公共因子时,特征值的变化基本趋于平缓。因此,按照特征根大于1 的原则,选入了4个公共因子,其累计方差贡献率达86.828% ,包含了大部分信息，具有显著代表性，可以充分反映全国旅游产业的竞争力，因此可以提取作为主成分因子。各主因子的对应特征根及方差贡献率见下表。 接着利用录入的数据进行相关性矩阵分析，得到如下所示 由上图可知15个变量在第一个因子上的载 荷都很高，意味着他们和第一个因子的相关 程度高，第一个因子很重要；其他因子与原 有变量的相关性均较小，他们对原有变量的 解释作用不显著 （三）、采用方差极大法对因子载荷矩阵实行正交旋转以使因子具有命名解释性。经过旋转后的因子载荷矩阵如下表所示 　由上表可知，第一个主因子上具有较高负荷的评价指标有：A级以上旅游景区数，旅行社数，星级饭店固定资产，星级饭店数，旅游总收入，旅客周转量，这些指标从自然资源状况、旅游企业规模、市场需求水平等方面反映了旅游产业竞争实力，因此，可把第一主因子定义为旅游行业实力因子F1；第二个主因子上具有较高负荷的评价指标有：接待旅游过夜总人数，国内游客接待总人数，旅游业从业员，旅行社从业人员，星级饭店从业人员，这些指标从人力资源状况和接待游客两方面反映了旅游产业的人力资本和实物资本，因此可把第二主因子定义为旅游产业资本因子F2；第三个主因子上具有较高负荷的评价指标有：旅游院校学生数、旅游业务毛利润，旅游院校数，可把第三主因子定义为旅游产业人才储备及盈利情况F3。第四个因子上具有较高负荷的评价指标有：旅行社固定资产，可把第四个主因子定义为旅行社固定资产F4. 接下来我们做因子协方差矩阵分析 左图显示了四因子的 协方差矩阵，从中可 以看出四因子没有线 性相关性，实现了因 子分析的设计目的。 （四）、采用回归法估计因子得分系数并输出因子得分系数。具体结果如下图所示 对4个主因子进行旋转后由回归法计算出因子得分，根据各主因子的特征根得出各主因子的权重wi ( wi =λi/ Σλi ) ,其中λi 为第i 个主因子对应的特征根( i = 1 ,2 ,3，4) ,可以构造旅游产业竞争力的综合评价模型：F=0.401075F1+0.355854F2+0.154396F3+0.088676F4 利用该模型，可计算出全国旅游产业竞争力得分（Z值），得到综合竞争力指数及排名，详见下表。 F1 F2 F3 F4 Z 湖 南 203678.37009764998 182443.0 4596275.6707466 1558503.6929111597 994461.825542097 河 北 355827.42723115004 348167.7 1402061.15342 5569095976928.0771803788 云 南 139395.36107719995 125951.4 3383451.941391 1193901.6093118803 728990.1689899832 重 庆 134348.7002396 115423.1 2672859.771291949 894843.1649674439 586987.6465210423 辽 宁 89797.39622405001 71444.42 2667435.2837441005 976229.1015551001 559848.7032036951 陕 西 7326