因子分析法--综合评价指标.doc

《应用统计分析》----题目2 题目2 数据data2是某医院3年中各月的数据，包括门诊人次、出院人数、病床利用率和周转次数、平均住院天数、治愈或好转率、病死率、诊断符合率、抢救成功率。采用因子分析法探讨综合评价指标。 一、因子分析法 因子分析是主成分分析的推广和发展，也是利用降维方法进行统计分析的一种多元统计方法。它是一种将多变量化简的技术，其目的是分解原始变量，从中归纳出潜在的“类别”，相关性较强的指标归为一类，不同类间变量的相关性则降低。每一类变量代表了一个“共同因子”，即一种内在结构,因子分析就是要寻找该结构。 因子分析有一个默认的前提条件就是各变量间必须有相关性，否则，各变量间没有共享信息，就不应当有公因子需要提取，自然也谈不上使用该方法。具体在该条件的判断上，除了根据专业知识来估计外，还可以使用KMO统计量和Bartlett’s 球形检验加以判定。 二、操作步骤 1.导入数据 依次单击“文件—打开—数据文件”命令，打开如图1所示的对话框。 图1 导入数据 2.因子分析 （1）依次单击“分析—降维—因子分析”命令，如图2所示。打开图3所示的“因子分析”主对话框。 图2 因子分析菜单  （a）选入变量前 （b）选入变量后 图3 “因子分析”主对话框 （2）在图3（a）所示的对话框中选中左边的变量，单击 按钮，将其选入到左边的列表框中（如图3a所示）。 （3）单击“描述”按钮，弹出“因子分析：描述统计”对话框，如图4所示，在“统计量”选项组中选取“原始分析结果”；在“相关矩阵”中选取“系数”和“KMO和Bartlett”。设置完毕后，单击“继续”按钮，确认操作。  图4 “因子分析：描述”对话框 图5 “因子分析：抽取”对话框（4）单击“抽取”按钮，得到如图5所示的“因子分析：抽取”对话框。选择“方法”为“主成分”；在“分析”选项组选择“相关性矩阵”；在“输出”选项组选择“未旋转的因子解”和“碎石图”；在“提取”选项组中将“因子的固定数量：”设置为4；将“最大收敛性迭代次数：”设置为25. （5）单击“旋转”按钮，得到如图6所示的“因子分析：旋转”对话框。在“方法”选项组选择“最大四次方值法”；在“输出”选项组选择“旋转解”；将“最大收敛性迭代次数：”设置为25。 （6）单击“得分”按钮，得到如图7所示的“因子分析：得分”对话框。选择“保存为新变量”和“显示因子得分系数矩阵”；在“方法”选项组选择“回归”。 最后，在“因子分析”主对话框（如图3所示）中，单击“确定”按钮，执行操作。  图6 “因子分析：旋转”对话框 图7 “因子分析：因子得分”对话框3.结果解释 （1）相关性分析 表1 相关矩阵 相关矩阵 门诊人次 出院人数 病床利用率 病床周转数 平均住院天数 治愈好转率 病死率 诊断符合率 抢救成功率 相关 门诊人次 1.000 .044 .283 .288 .326 -.118 -.024 .347 -.425 出院人数 .044 1.000 .084 .572 -.420 .132 -.210 -.343 .505 病床利用率 .283 .084 1.000 .678 -.110 -.038 -.123 .129 -.088 病床周转数 .288 .572 .678 1.000 -.412 -.055 -.297 -.202 .235 平均住院天数 .326 -.420 -.110 -.412 1.000 .297 .093 .416 -.418 治愈好转率 -.118 .132 -.038 -.055 .297 1.000 -.380 -.068 .007 病死率 -.024 -.210 -.123 -.297 .093 -.380 1.000 .079 -.284 诊断符合率 .347 -.343 .129 -.202 .416 -.068 .079 1.000 -.449 抢救成功率 -.425 .505 -.088 .235 -.418 .007 -.284 -.449 1.000 表2 KMO和Bartlett的检验 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。 .490 Bartlett 的球形度检验 近似卡方 119.028 df 36 Sig. .000 通过相关矩阵发现，大部分系数均超过0.3，另外通过Bartlett检验可以看出，应拒绝变量独立的假设。不过KMO统计量为0.490，小于0.7，说明变量间的信息重叠度可能不是特别的高，有可能做出的因子分析模型不是非常完善，不过值得尝试 成份 初始特征值 提取平方和载入 旋转平方和载入 合计 方差