因子分析论文 关于数学建模.doc

关键词：因子提取 正交旋转 因子分析 因子得分 1.问题提出 随着我国的经济的发展，人民的生活水平逐渐提高。从而家庭耐用品的拥有量也有所提高。但各省市的拥有量也存在差异。为了准确的把握各省市的情况及其差异。本文采用多变量统计因子分析的方法，对其进行定量分析。以期对各省市的耐用品拥有量的情况有个客观的把握，及反映各省市的经济发展情况。 2.耐用品拥有量指标的选择。 为了更好的反映各省市的耐用品拥有量的情况，且根据当今社会家庭拥有耐用品的档次的不同，可将其分为低，中，高档。从而本文使用2005年统计年鉴的数据。选取了具有代表的三类九个指标： （一）：低档消费耐用品：普通电话拥有量（部）； （二）：中档消费耐用品：电冰箱拥有量（台），彩电拥有量（台），电视机拥有量（台），空调拥有量（台），移动电话拥有量（部）； （三）：高档奢侈消费耐用品：家用电脑拥有量（台），家用汽车拥有量（辆），摄像机拥有量（台），照相机拥有量（台）； 3．各省市耐用品情况分析： 1．本文所采取的定量分析方法： 本文的研究主要采取因子分析方法。因子分析是近些年来颇为流行的多元变量统计方法。它是用较少个数的公共因子的线性函数和特定因子之和来表达原有观测的每个变量，从研究相关矩阵内部的依赖关系出发，把一些具有错综复杂的变量归纳为少数几个综合因子的一种多变量统计分析方法。当这几个公共因子的累计方差和达到85%以上时，就说明这几个公共因子反映了研究问题的大部分信息，而又不相关，信息不重叠。因子分析的数学模型用矩阵的形式表示为：X=AF+E 其中F为公共因子，E为特殊因子。 本文在对数据标准化以后，采取主成分法提取公共因子，并采用方差最大化正旋转。 2．考察原有变量是否适合进行因子分析。 表（一）是原有变量的相关系数距阵。可看到大部分的相关系数都较高，各变量呈较强的线性关系。且表（二）巴特利特球度检验和KMO检验可以看出，k值大于0.7且接近0.8是很适合进行因子分析的。所以原有变量适合进行因子分析。 原有变量的相关系数矩阵 Correlation Matrix 表（一） 家用汽车 彩色电视机 家用电脑 摄像机 照相机 空调器 普通电话 移动电话 电冰箱 Correlation 家用汽车 1.000 .387 .648 .723 .691 .375 .389 .622 .279 彩色电视机 .387 1.000 .794 .509 .590 .833 .583 .758 .768 家用电脑 .648 .794 1.000 .785 .834 .839 .572 .872 .761 摄像机 .723 .509 .785 1.000 .925 .481 .486 .613 .544 照相机 .691 .590 .834 .925 1.000 .577 .403 .699 .695 空调器 .375 .833 .839 .481 .577 1.000 .606 .742 .749 普通电话 .389 .583 .572 .486 .403 .606 1.000 .346 .432 移动电话 .622 .758 .872 .613 .699 .742 .346 1.000 .590 电冰箱 .279 .768 .761 .544 .695 .749 .432 .590 1.000 巴特利特球度检验和KMO检验 KMO and Bartletts Test 表（二） Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .797 Bartletts Test of Sphericity Approx. Chi-Square 283.481 df 36 Sig. .000 提取因子 在这根据原有变量的相关系数距阵，采用主成分分析法，提取因子并指定提取3个因子。其分析结果如下表（三）。 因子分析的初始结 Communalities 表（三） Initial Extraction 家用汽车 1.000 .839 彩色电视机 1.000 .875 家用电脑 1.000 .946 摄像机 1.000 .885 照相机 1.000 .898 空调器 1.000 .889 普通电话 1.000 .987 移动电话 1.000 .812 电冰箱 1.000 .800 Extraction Method: Principal Component Analysis. 表三可以看出所有变量的共同度都大于0.8是比较高的，即各变量的信息都大部分被反应。说明本次因子提取的总体效果是理想的 。 4．因子分析和因子解释 通