SPSS分析因子.doc

从上表可以看到：大部分的相关系数都较高，各变量呈较强的线性关系，能够从中提取公公因子，适合进行因子分析。 巴特利特球度检验统计量的观测值为302.62，相应的概率P-值接近0。所以认为相关系数矩阵与单位阵有显著差异。同时，KOM值为0.904，适合做因子分析。 由图可以看出食品衣着、家庭设备、交通及服务、文教娱乐、医疗保健绝大部分信息（大于86.6%）可被因子解释，信息失真较少，本次因子提取的效果较好。 第一个因子的特征根为6.571，解释原有7个变量总方差的82.14%，累计方差贡献率为82.14%，第二个因子的特征根为0.546，解释原有7个变量总方差的6.829%，累计方差贡献率为6.829%。 第三组数据项描述了最终因子解的情况。可见，因子旋转后，累计方差比没有改变，也就是没有影响原有变量的共同度，但却重新分配了各个因子解释又有变量的方差，改变了各个银子的方差贡献，是的因子更易于解释。 由碎石图可以看出，提取两个因子是适合的。 根据上表可以写出本次分析的因子分析模型： 交通及服务=0.974f1-0.082f2 食品=0.948f1 -0.229f2 文教娱乐=0.929f1+0.043f2 家庭设备=0.910f1 -0.259f2 其他商品=0.890f1 -0.193f2 居住=0.887f1 -0.079f2 衣着=0.864f1+0.393f2 医疗保健=0.841f1+0.469f2 八个变量在第一个因子上的载荷都很高，意味着他们与第一个因子的相关程度很高，第1因子很重要；第二因子与原有变量的相关性均很小，对原有变量的解释作用不显著。 因子正交后可以看出食品、家庭设备、其他商品、交通及服务、居住在第一个因子上有较高的载荷，第一个因子主要解释了这几个变量，可解释为家庭生活必要开支；文教娱乐、医疗保险、衣着主要在第二个因子上较高的载荷，第二个因子主要解释了这几个变量，可解释为文教医疗提高性开支。因子的含义较清晰了。 由图可以看出：食品、家庭设备、其他商品比较靠近第一个因子、医疗衣着等靠近第二个因子。 Component Score Coefficient Matrix Component 1 2 食品 .371 -.243 衣着 -.337 .649 居住 .195 -.031 家庭设备 .400 -.290 交通及服务 .209 -.027 文教娱乐 .063 .149 医疗保健 -.425 .757 其他商品 .324 -.197 因子得分：F1=.371食品-0.337衣着+0.195居住+0.400设备+0.209交通+0.063文娱-0.425保健+0.324其他 F2=-0.243食品+0.649衣着-0.031居住-0.290设备-0.027交通+0.149文娱+0.757保健-0.197其他 综合评价： 由绘制的因子得分变量的散点图：可以观察到有些地区主要偏重于第一因子，而有些地方则偏重于第二因子。F=0.53845F1+0.35119F2 这符合经济学的理论，人均年收入搞的省份，如北京、上海还偏重于医疗保健、和文娱、衣着等第二因子；而地区欠发达的内蒙古、山西、黑龙江、青海等，内陆或西北边远地区的人们消费主要花在食品，居住的基础生活上了。可以看出不同地区的人们恩格尔系数的不同。 各地区农村居民家庭平均每人生活消费现金支出 (2009年) 单位：元 地区 食 品 衣 着 居 住 家庭设备 交通和服务 文教娱乐 医疗保健 其他商品 北 京 2759.31 654.36 1798.71 528.00 1132.09 960.41 867.87 147.06 天 津 1767.56 324.63 674.67 187.83 481.27 371.85 299.79 85.01 河 北 937.78 217.69 772.77 170.39 350.92 263.53 289.27 65.55 山 西 988.38 283.16 573.17 155.82 324.89 416.94 240.94 73.85 内蒙古 1046.87 271.65 568.90 148.03 466.34 390.85 416.87 86.59 辽 宁 1202.15 335.23 763.14 185.49 416.41 437.79 409.64 111.53 吉 林 1086.04 286.97 629.60 168.36 355.99 376.76 511.50 95.12 黑龙江 1169.42 345.69 860.01 161.03 427.35 496.42 434.25 98.62 上 海 3478.54 496