因子分析PSS操作.docVIP

因子分析作业： 全国30个省市的8项经济指标如下： 要求：先对数据做标准化处理，然后基于标准化数据进行以下操作 1、给出原始变量的相关系数矩阵； 2、用主成分法求公因子，公因子的提取按照默认提取（即特征值大于1），给出公因子的方差贡献度表； 3、给出共同度表，并进行解释； 4、给出因子载荷矩阵，据之分析提取的公因子的实际意义。如果不好解释，请用因子旋转（采用正交旋转中最大方差法）给出旋转后的因子载荷矩阵，然后分析旋转之后的公因子，要求给各个公因子赋予实际含义； 5、先利用提取的每个公因子分别对各省市进行排名并作简单分析。最后构造一个综合因子，计算各省市的综合因子的分值，并进行排序并作简单分析。 输入数据，依次点选分析?描述统计?描述，将变量x1到x8选入右边变量下面，点选“将标准化得分另存为变量”，点确定即可的标准化的数据。 依次点选分析?降维?因子分析，打开因子分析窗口，将标准化的8个变量选入右边变量下面，点选描述?相关矩阵下选中系数及KMO和Bartlett的检验，点继续，确定，就可得出8个变量的相关系数矩阵如下图。 由表中数据可以看出大部分数据的绝对值都在0.3以上，说明变量间有较强的相关性。 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。 .621 Bartlett 的球形度检验 近似卡方 231.420 df 28 Sig. .000 由上图看出，sig.值为0，所以拒绝相关系数为0（变量相互独立）的原假设，即说明变量间存在相关性。 2、依次点选在因子分析窗口点选抽取?方法：主成分；分析：相关性矩阵；输出：未旋转的因子解，碎石图；抽取：基于特征值（特征值大于1）；继续，确定，输出结果如下3个图。 解释的总方差 成份 初始特征值 提取平方和载入 合计 方差的 % 累积 % 合计 方差的 % 累积 % 1 3.748 46.847 46.847 3.748 46.847 46.847 2 2.198 27.474 74.321 2.198 27.474 74.321 3 1.222 15.278 89.599 1.222 15.278 89.599 4 .403 5.036 94.635 5 .212 2.652 97.287 6 .135 1.690 98.977 7 .067 .840 99.817 8 .015 .183 100.000 提取方法：主成份分析。 上表中第一列为特征值（主成分的方差），第二列为各个主成分的贡献率，第三列为累积贡献率，由上表看出前3个主成分的累计贡献率就达到了89.599%85%，所以选取主成分个数为3。选y1为第一主成分，y2为第二主成分，y3为第三主成分。且这三个主成分的方差和占全部方差的89.599%，即基本上保留了原来指标的信息。这样由原来的8个指标变为了3个指标。 由上图看出，成分数为3时，特征值的变化曲线趋于平缓，所以由碎石图也可大致确定出主成分个数为3。与按累计贡献率确定的主成分个数是一致的。 3、共同度结果如下： 公因子方差 初始 提取 Zscore: 国内生产 1.000 .945 Zscore: 居民消费 1.000 .800 Zscore: 固定资产 1.000 .902 Zscore: 职工工资 1.000 .873 Zscore: 货物周转 1.000 .858 Zscore: 消费价格 1.000 .957 Zscore: 商品零售 1.000 .929 Zscore: 工业产值 1.000 .904 提取方法：主成份分析。 上表给出了该次分析从每个原始变量中提取的信息。由上表数据可以看出，主成分包含了各个原始变量的80%以上的信息。 4、在因子分析窗口，旋转?输出：载荷阵。输出结果如下： 成份矩阵a 成份 1 2 3 Zscore: 国内生产 .885 .384 .119 Zscore: 居民消费 .606 -.597 .276 Zscore: 固定资产 .912 .162 .211 Zscore: 职工工资 .467 -.722 .365 Zscore: 货物周转 .486 .737 -.280 Zscore: 消费价格 -.500 .257 .801 Zscore: 商品零售 -.619 .596 .437 Zscore: 工业产值 .823 .427 .208 提取方法 :主成分分析法。 a. 已提取了 3 个成份。 由上表数据第一列表明：第一主成分与各个变量之间的相关性；第二列表明：第二主成分与各个变量之间的相关性；第三列表明：第三主成分与各个变量之间的相关性。可以得出：x1x3x8主要由第一主成分解释，x4x5主要由第二主成分解释，x6主要由第三主成