《SPSS统计分析 第10章 主成分分析和因子分析》.pptVIP

10.2 主成分分析 第四步 因子分析的结果： 旋转前的因子载荷矩阵 成分 1 2 3 x1 .407 .805 .268 x2 .596 -.727 .209 x3 -.147 .016 .821 x4 .895 -.333 -.181 x5 .614 .763 .028 x6 .826 -.124 -.281 x7 .273 -.627 .184 x8 .636 .703 .041 x9 .619 .703 .008 x10 .552 .766 .196 x11 .654 -.691 .172 x12 .666 -.685 .166 x13 .863 -.191 -.297 x14 .728 -.632 .144 x15 .579 .760 .005 提取方法 :主成分。a. 已提取了 3 个成分。 说明： 教材中公式10.7中的 是标准化正交向量，并不是SPSS输出“因子载荷矩阵”中的系数。而“因子载荷矩阵”中各分量的系数为单位特征向量乘以相应的特征值的平方根的结果，其公式为 。故需进一步利用因子分析的结果进行主成分分析。 10.2 主成分分析 第五步 利用因子分析的结果进行主成分分析。 10.2 主成分分析 第六步 主要结果： 编号 国家 y1 y2 y3 1 中国 -2.19 0.07 3.01 -0.63 2 印度 -2.56 -0.11 -0.46 -1.11 3 日本 0.45 1.85 -0.27 0.88 4 韩国 -1.69 -0.46 -0.27 -0.88 5 新加坡 5.28 -6.26 1.19 -0.20 6 美国 3.30 6.07 1.46 3.80 7 加拿大 -0.43 -0.47 -0.31 -0.38 8 巴西 -1.91 -0.06 -0.43 -0.83 9 墨西哥 -1.68 -0.68 0.03 -0.94 10 英国 4.46 0.98 -1.75 2.05 11 法国 0.87 0.46 -0.52 0.49 12 德国 1.40 1.34 -0.26 1.06 13 意大利 -0.61 0.10 -0.54 -0.25 14 俄罗斯 -2.35 -0.20 -0.30 -1.05 15 澳大利亚 -1.36 -0.92 -0.30 -0.93 16 新西兰 -0.99 -1.73 -0.28 -1.09 过综合得分的高低可知各国参与国际化水平的高低，其中美国最高，印度最低。 主要内容 10.1 主成分分析和因子分析简介 10.2 主成分分析 10.3 因子分析 10.3 因子分析 10.3.1 统计原理与分析步骤 （1）统计原理 其中x1，x2, …,xp为p个原有变量，是均值为零，标准差为1的标准化变量，F1，F2，…，Fm为m个因子变量，m小于p，表示成矩阵形式为： 10.3 因子分析 10.3.1 统计原理与分析步骤 （2）分析步骤 第1步 将原始数据进行标准化； 第2步 确定待分析的原有若干变量是否适合于因子分析； 第3步 构造因子变量； 第4步 利用旋转使得因子变量更具有可解释性； 第5步 计算因子变量的得分。计算因子得分和模型为： j=1,2,…,m 10.3 因子分析 10.3.2 SPSS实例分析 【例10-2】 为了研究几个省市的科技创新力问题，现取了2005年8个省市的15个科技指标数据，试分析一个省的科技创新能力主要受哪些潜在因素的影响？ 省市 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 北京 229 80.26 48.5 24.49 3.55 5.55 10.23 44774.45 25.02 24.1 779.24 226.01 34.42 3183.29 2.12 天冿 87 67.48 36.82 14.08 2.62 1.96 4.49 35451.77 33.59 21.38 410.34 73.15 25.06 495.78 1.82 辽宁 44 65.69 35.94 8.34 2.32 1.56 2.45 18974.2 11.29 5.57 263.35 22.32 15.21 204.98 1.78 上海 104 74.06 35.98 17.84 4.78 2.28 4.8 51485.83 39.72 19.08 654.31 112.32 15.85 1303.32 2 江苏 50 60.79 34.07 6.8 2.13 1.47 3.17 24489.18 43.13 17.99 206.68 16.6 9.14 134.89 1.41 浙江 53 63.48 31.08 5