運用因子分析对问题进行分析.docVIP

运用因子分析对问题进行分析 某一新型电子产品有10种不同型号的5项指标(用x1-x5表示)，得到如表1所示数据： 表1 型号 X1 X2 X3 X4 X5 1 0.760 0.864 1.33 1.43 7.87 2 1.069 1.171 1.33 2.86 10.241 3 1.895 0.907 4.19 1.37 15.159 4 2.888 1.023 5.89 2.72 23.484 5 2.413 1.231 5.37 2.02 19.131 6 1.775 1.340 2.92 3.78 13.726 7 1.591 1.462 2.80 3.33 9.909 8 1.412 1.352 2.23 2.74 9.659 9 0.873 0.771 1.20 1.04 9.643 10 0.891 1.191 1.57 2.88 12.212 试从这些指标中提取因子来对这10个型号的产品进行评价分析 把数据导入spss进行因子分析得到如下结果： 表2 Descriptive Statistics Mean Std. Deviation Analysis N X1 1.5567 .70498 10 X2 1.13120 .230943 10 X3 2.8830 1.72402 10 X4 2.4170 .90812 10 X5 13.1034 4.93424 10 该表格2中5个原始变量的统计描述结果，包括平均值，标准差和分析的个案数。 表3 Correlation Matrixa X1 X2 X3 X4 X5 Correlation X1 1.000 .198 .978 .207 .918 X2 .198 1.000 .097 .861 -.019 X3 .978 .097 1.000 .062 .927 X4 .207 .861 .062 1.000 .091 X5 .918 -.019 .927 .091 1.000 Sig. (1-tailed) X1 .292 .000 .283 .000 X2 .292 .395 .001 .480 X3 .000 .395 .432 .000 X4 .283 .001 .432 .401 X5 .000 .480 .000 .401 a. Determinant = .000 该表格3上半部分给出的是5个原始变量的相关矩阵。下半部分则给出了每个相关系数的单尾显著性水平。表格下面给出了相关系数矩阵的行列式，Determinant = .000 表4 Inverse of Correlation Matrix X1 X2 X3 X4 X5 X1 49.746 6.735 -52.629 -13.262 4.492 X2 6.735 9.167 -15.029 -9.156 8.761 X3 -52.629 -15.029 70.410 21.238 -19.216 X4 -13.262 -9.156 21.238 11.110 -8.709 X5 4.492 8.761 -19.216 -8.709 15.654 该表格4是相关系数矩阵的逆矩阵。 表5 KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .450 Bartletts Test of Sphericity Approx. Chi-Square 51.970 df 10 Sig. .000 该表5中给出了KMO检验和Bartlett球度检验结果。其中KMO值为0.450，根据统计学家Kaiser给出的标准，KMO取值小于0.6，不太适合因子分析。Bartlett球度检验给出的相伴概率为0.000，小于显著性水平0.05，因此拒绝Bartlett球度检验的零假设，认为适合于因子分析。 表6 Anti-image Matrices X1 X2 X3 X4 X5 Anti-image Covariance X1 .020 .015 -.015 -.024 .006 X2 .015 .109 -.023 -.090 .061 X3 -.015 -.023 .014