赵建卓200900716.pptVIP

2013毕业生论文答辩;论文主要内容;1.整体思路图;2.甘肃省农产品物流体系构建;模型建立;农产品物流综合评价指标体系;算例演示; 在进行因子分析前对数据进行标准化处理，运用SPSS18.0软件对10个指标进行分析，可得到10个指标的相关系数矩阵R。; 使用SPSS18.0软件对指标变量进行分析，得到相关系数矩阵R的特征值、方差贡献率和累计方差贡献率。; 由公因子方差表可以看出，此次分析从每个变量中提取的方差几乎解释了原来各变量超过一半以上的部分，因而说明用主成份分析能够有效表达各变量。从公因子方差表和碎石图可以看出，按照特征值大于1的原则，选出3个主因子，其累计方差贡献率为93.057%，表明3个主因子包含了原来10个指标的大部分信息。; 最终从成份矩阵表及因子分析模型可以得出，标准化原始指标变量利用求出的主因子线性近似方程表达式（在这里我们假设主因子为E1、E2、和E3且μ=0）为： X1=0.974E1-0.142E2+0.078E3 X2=0.989E1-0.116E2-0.003E3 X3=-0.058E1-0.029E2+0.954E3 X4=0.182E1+0.917E2+0.016E3 X5=0.953E1-0.089E2+0.003E3 X6=0.123E1+0.796E2+0.376E3 X7=0.989E1+0.048E2-0.050E3 X8=0.972E1+0.016E2-0.042E3 X9=0.109E1+0.930E2-0.104E3 X10=0.987E1-0.105E2+0.033E3 在计算原始指标的初始载荷矩阵时，各个主因子的典型代表指标不是很突出，其实际意义难以得到合理解释，因此对因子进行旋转，这样因子检验的实际意义更容易得到解释。利用SPSS18.0软件，采用方差最大正交旋转法，经过4轮正交旋转后，得到新的成份矩阵表。; 在因子分析的实际应用中，当主因子确定以后，便可计算各个主因子在每个样本上的具体数值，这些数值称为因子得分，形成的变量称为因子变量。 ; E1=0.174X1+0.175X2+0.008X3-0.010X4+0.167X5-0.011X6+0.167X7+0.166X8-0.024X9+0.174X10 E2=-0.029X1-0.029X2+0.044X3+0.375X4-0.018X5+0.374X6+0.031X7+0.019X8+ 0.363X9-0.020X10 E3=0.076X1+0.000X2+0.892X3-0.040X4+0.004X5+0.299X6-0.053X7-0.044X8-0.151X9+0.032X10;;聚类分析结果;;4.展望;谢谢