因子分析主成份分析案例详解.doc

评价指标的建立 针对我国各省市综合发展情况做因子分析。数据表中选取了六个指标分别是：人均GDP（元）X1，新增固定资产（亿元）X2，城镇居民人均年可支配收入（元）X3，农村居民机家庭纯收入（元）X4，高等学校数量（所）X5，卫生机构数量（所）X6。。见下表： 各项指标及评价的内容 人均GDP 经济实力 新增固定资产 发展潜力能力 城镇居民人均年可支配收入 城镇居民生活水平 农村居民机家庭纯收入 农村居民生活水平 高等学校数量 教育水平 卫生机构数量 医疗水平 考察数据是否适合做因子分析 运用因子分析方法的前提是，变量之间存在线性的关系，这样才能够达到减少变量，方便分析的目的。通过变量的相关矩阵可知，大多数变量的相关系数大于0.3，具有较强的相关性，同时，对上述变量进行了KMO测试度和Baetlett球体检验，见下表： Correlation Matrix 人均GDP 新增固定资产 城镇居民人均年可支配收入 农村居民机家庭纯收入 高等学校数量 卫生机构数量 Correlation 人均GDP 1.000 .459 .760 .935 .286 -.061 新增固定资产 .459 1.000 .259 .449 .658 .570 城镇居民人均年可支配收入 .760 .259 1.000 .845 .258 .134 农村居民机家庭纯收入 .935 .449 .845 1.000 .390 .093 高等学校数量 .286 .658 .258 .390 1.000 .748 卫生机构数量 -.061 .570 .134 .093 .748 1.000 Sig. (1-tailed) 人均GDP .006 .000 .000 .066 .377 新增固定资产 .006 .087 .007 .000 .001 城镇居民人均年可支配收入 .000 .087 .000 .088 .244 农村居民机家庭纯收入 .000 .007 .000 .018 .315 高等学校数量 .066 .000 .088 .018 .000 卫生机构数量 .377 .001 .244 .315 .000 KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .635 Bartletts Test of Sphericity Approx. Chi-Square 148.798 df 15 Sig. .000 148.798，相应的概率P接近0。如果显著性水平为0.05，由于概率P小于显著性水平0.05，应拒绝零假设，认为相关矩阵与单位矩阵有显著差异。同时，KMO值为0.635，较好的达到了标准，可以运用因子分析的方法。 提取因子 根据原来变量的相关系数矩阵，采用主成分分析法提取因子并选取大于1的特征根。 Communalities Initial Extraction 人均GDP 1.000 .930 新增固定资产 1.000 .721 城镇居民人均年可支配收入 1.000 .795 农村居民机家庭纯收入 1.000 .961 高等学校数量 1.000 .847 卫生机构数量 1.000 .859 Extraction Method: Principal Component Analysis. Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 3.327 55.449 55.449 3.327 55.449 55.449 2.796 46.605 46.605 2 1.786 29.771 85.220 1.786 29.771 85.220 2.317 38.614 85.220 3 .497 8.285 93.505 4 .262 4.362 97.867 5 .088 1.473 99.340 6 .040 .660 100.000 Extraction Method: Principal Component Analysis. 看图表的第二列，变量相关系数矩阵有2大特征根大于1，它们分别