- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
因子分析主成份分析案例详解
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
您可能关注的文档
- 博士入学考试题_石油地质.doc
- 博物馆设计与陈列.doc
- 卡车减速箱齿轮制造成本核算表.doc
- 卫生室药品成本核算表.doc
- 卤素含量的滴定分析方法.doc
- 印刷品质量检测与控制(复习题2012).docx
- 印刷品质量检测(复习题2012).docx
- 印象管理的测量.docx
- 危险品运输车辆的远程定位跟踪监控系统解决方案.doc
- 即墨宝龙城市广场桩基工程.doc
- 期末复习课件++专题7+阿基米德原理++2023-2024学年人教版八年级物理下册.pptx
- 4-1电磁振荡(教学课件)高中物理人教版选择性必修第二册.pptx
- 本包含页空白页.pdf
- 【会计实操经验】财务操纵的知识框架.pdf
- 英国b2c电商网站ocado市场前景及投资研究报告-培训课件外文版2024.6,拼多多,阿里巴巴,1688,temu,tiktok.pdf
- 印尼在线约会行业市场前景及投资研究报告-培训课件外文版2024.6,微信,tiktok.pdf
- 印尼物联网IOT行业市场前景及投资研究报告-培训课件外文版2024.5.pdf
- 印尼斋月消费情况分析报告-培训课件外文版2024.6.pdf
- 英国GDP分析报告-培训课件外文版2024.6.pdf
- 印尼铁路行业市场前景及投资研究报告-培训课件外文版2024.6,援建高铁.pdf
文档评论(0)