上机部分-多元统计分析SPSS实现.ppt

表7.1 特征根与方差贡献率表 表7.2 旋转前因子载荷阵 表7.3 旋转后因子载荷阵 注意：在因子表达式中的各变量为进行标准化变换后的标准变量，均值为0，标准差为1。 7. 由于我们已经在Scores子对话框中选择了Save as variables复选框，因此，因子得分已经作为新的变量保存在数据文件中，变量名分别为fac1_1、fac2_1、fac3_1和fac4_1。此后，我们还可以利用因子得分进行其他的统计分析。 表7.4 因子得分系数矩阵 二、因子分析在市场研究中的应用 表7.5是研究消费者对购买牙膏偏好的调查数据。通过市场的拦截访问，用7级量表询问受访者对以下陈述的认同程度（1表示非常不同意，7表示非常同意）。 V1：购买预防蛀牙的牙膏是重要的； V2：我喜欢使牙齿亮泽的牙膏； V3：牙膏应当保护牙龈； V4：我喜欢使口气清新的牙膏； V5：预防坏牙不是牙膏提供的一项重要利益； V6：购买牙膏时最重要的考虑是富有魅力的牙齿。 表7.5 牙膏属性评分得分表 将表7.5中的数据通过SPSS进行因子分析，得到相关结果是： 1. 特征根和累计贡献率 表7.6 方差贡献率表 从表7.6可以看出，提取两个因子累计方差贡献率就达到82%，第三个特征根相比下降较快，因此我们选取两个公共因子。 2.因子的含义 为了得到意义明确的因子含义，我们将因子载荷阵进行方差最大法旋转，得到旋转后的因子载荷矩阵如下表7.7。 表7.7 旋转后因子载荷矩阵 从因子载荷阵可以看出：因子1与V1（预防蛀牙），V3（保护牙龈），V5（预防坏牙）相关性强，其中V5的载荷是负数，是由于这个陈述是反向询问的；因子2与V2（牙齿亮泽），V4（口气清新），V6（富有魅力）的相关系数相对较高。因此，我们命名因子1为“护牙因子”，是人们对牙齿的保健态度；因子2是“美牙因子”，说明人们“‘通过牙膏美化牙齿’影响社交活动”的重视。从这两方面分析，对牙膏生产企业开发新产品都富有启发意义。 本章结束 表5.19 各观测量所属类成员表 4. Final Cluster Centers（给出聚类结果形成的类中心的各变量值） 表5.20 最终的类中心表 结合表5.19和表5.20，我们可以看出31个地区被分成3类。第一类包括：江苏、浙江、山东和广东4个省。这一类的类中心三个产业的产值分别为1102.14亿元、6423.01亿元和4454.26亿元，属于三个产业都比较发达的地区。第二类包括：天津、山西、内蒙古、吉林、江西、广西、海南、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆16个地区。这一类的类中心三个产业的产值分别为307.61亿元、795.41亿元和673.63亿元，属于欠发达地区。剩下的11个地区为第三类。这一类的类中心三个产业的产值分别为713.28亿元、2545.20亿元和212.87亿元，属于中等发达地区。 5. 由于我们已经在Save子对话框中设置了在数据文件中生成新的分类变量，所以，在数据编辑窗口中，我们可以看到生成的两个表示分类结果的新变量。变量qcl_1和变量qcl_2分别代表分类号和观测量距所属类中心的距离。 本章结束 主成分分析SPSS实现 一 主成分分析实例 二 利用SPSS进行主成分分析 一、主成分分析实例 表6.1是某市工业部门13个行业的8项重要经济指标的数据，这8项经济指标分别是： X1：年末固定资产净值，单位：万元； X2：职工人数据，单位：人； X3：工业总产值，单位：万元； X4：全员劳动生产率，单位：元/人年； X5：百元固定资产原值实现产值，单位：元； X6：资金利税率，单位：%； X7：标准燃料消费量，单位：吨； X8：能源利用效果，单位：万元/吨。 表6.1 某市工业部门13个行业8项指标 我们要考虑的是：如何从这些经济指标出发，对各工业部门进行综合评价与排序？ 我们先计算这些指标的主成分，然后通过主成分的大小进行排序。表6.2和表6.3分别是特征根（累计贡献率）和特征向量的信息。 利用主成分得分进行综合评价时，从特征向量我们可以写出所有8个主成分的具体形式： 表6.2 特征根和累计贡献率 表6.3 特征向量 表6.4 各行业主成分得分及排序 我们以特征根为权，对8个主成分进行加权综合，得出各工业部门的综合得分，具体数据见表6.4。 综合得分的计算公式是： 根据上式可计算出各工业部门的综合得分，并可据此排序。 从上表可以看出，机器行业在该地区的综合评价排在第一，原始数据也反映出机器行业存在明显的规模优势，另外从前两个主成分得分上看，该行业也排在第一位，同样存在效益优势；而排在最后