因子分析报告.docVIP

实验名称：因子分分析 一、实验目的和要求 通过上机操作，完成spss软件的因子分析 二、实验内容和步骤 7.7 R型聚类 如图所示选择 将6个变量选入变量框中 分别点击descriptive rotation选项，进行以下操作 点击extraction 点击options 结果如下所示 Correlation Matrixa 数学 物理 化学 语文 历史 英语 Correlation 数学 1.000 .426 .527 -.464 -.356 -.296 物理 .426 1.000 .345 -.307 -.285 -.235 化学 .527 .345 1.000 -.391 -.290 -.136 语文 -.464 -.307 -.391 1.000 .778 .810 历史 -.356 -.285 -.290 .778 1.000 .820 英语 -.296 -.235 -.136 .810 .820 1.000 Sig. (1-tailed) 数学 .009 .001 .005 .027 .056 物理 .009 .031 .050 .064 .105 化学 .001 .031 .016 .060 .237 语文 .005 .050 .016 .000 .000 历史 .027 .064 .060 .000 .000 英语 .056 .105 .237 .000 .000 a. Determinant = .037 上表为相关矩阵，给出了6个变量之间的相关系数。主对角线系数都为1，从表中我们可知，变量与变量之间有的会高度相关，有的相关性比较低，语文与历史，语文与英语，英语与历史都是高度相关的，其他的相关度较低。 KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .755 Bartletts Test of Sphericity Approx. Chi-Square 86.576 df 15 Sig. .000 上表为KMO和Bartlett检验表，KMO检验是对变量是否适合做因子分析的检验，根据Kaiser常用度量标准，由于KMO=0.755，表明此时一般适合做因子分析。 Communalities Initial Extraction 数学 1.000 .812 物理 1.000 .876 化学 1.000 .670 语文 1.000 .886 历史 1.000 .876 英语 1.000 .897 Extraction Method: Principal Component Analysis. 上表为公因子方差，给出了该次分析中从每个原始变量中提取的信息，从表中可以看出除了化学外，主成分几乎都包含了其余各个变量至少80%的信息。 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 3.238 53.972 53.972 3.238 53.972 53.972 2.572 42.861 42.861 2 1.277 21.288 75.260 1.277 21.288 75.260 1.944 32.400 75.260 3 .681 11.346 86.607 4 .458 7.634 94.240 5 .212 3.526 97.767 6 .134 2.233 100.000 Extraction Method: Principal Component Analysis. 上表为特征根于方差贡献表，给出了个主成分解释原始变量总方差的情况，从表中可以看出，本例中保留了2个主成分，集中了原始变量总信息的75.260% 上图为碎石土，分析碎石土看出因子1与因子2的特征值差值比较大，而其他特征值比较小，可以出保留2个因子能概括绝大部分信息。 Component Matrixa Component 1 2 语文 .900 .233 历史 .857 .357 英语 .816 .498 数学 -.662 .503 物理 -.530 .478 化学 -.555 .605 Extraction Method: Principal Component Analysis. a. 2 components extracted. 从因子载荷矩