第8章统计实验(因子分析).docxVIP

实验四 R 型因子分析 1．实验目的 ： 本实验讨论利用 R 型因子分析从具有错综复杂关系的变量中， 找出数量较少的几个公因子来 描述原始的变量，并且尽量减少信息的损失。 通过该实验，能够起到如下的效果： (1) 理解 因子分析的作用、思想、数学基础、方法和步骤； (2) 熟悉如何利用因子分析，提出问题、 分析问题、解决问题、得出结论； （ 3）会调用 SAS软件实现因子分析的各个步骤，根据计 算的结果进行分析，得出正确的结论，解决实际的问题。 2．知识准备： R型因子分析是从具有错综复杂关系的变量中， 找出数量较少的几个公因子来描述原始的变 量，并且尽量减少信息的损失。 其思想是：找出少量的不相关的若干个随机变量 （公因子），）） 尽最大信息的描述原始众多的关系复杂的变量。其数学模型有很多，如正交因子模型【 1】， 因子分析模型 L【 4】等，它们的数学模型和方法均有不相同。 我们下面采用因子分析模型 L 来进行分析。 R 型因子分析的步骤大体分为：首先正向化指标；然后计算样本相关阵的特征 值、单位特征向量和方差贡献率， 根据方差贡献率选取适当数量的初始因子， 并得到初始因 子载荷阵；再对初始因子进行旋转，选用行及列的元素的绝对值向 0、 1 分化严重的旋转因 子载荷阵对应的旋转因子作为最终的公因子；最后利用因子载荷阵求出因子得分函数。 3．实验内容： 表１的数据是全国 30 个省市自治区经济发展基本情况，其中 X1- GDP ， X2-居民消费水平， X3- 固定资产投资， X4- 职工平均工资， X5- 货物周转量， X6- 居民消费价格指数， X7- 商品零 售价格指数， X8- 工业总产值，数据来源： 1996 年《中国统计年鉴》 ；见【１】 表 1 全国 30 个省市自治区经济发展基本情况 序号 省市 X1 X2 X3 X4 X5 X6 X7 X8 1 北京 1394.89 2505 519.01 8144 373.9 117.3 112.6 843.43 2 天津 920.11 2720 345.46 6501 342.8 115.2 110.6 582.51 3 河北 2849.52 1258 704.87 4839 2033.3 115.2 115.8 1234.85 4 山西 1092.48 1250 290.9 4721 717.3 116.9 115.6 697.25 5 内蒙 832.88 1387 250.23 4134 781.7 117.5 116.8 419.39 6 辽宁 2793.37 2397 387.99 4911 1371.1 116.1 114 1840.55 7 吉林 1129.2 1872 320.45 4430 497.4 115.2 114.2 762.47 8 黑龙江 2014.53 2334 435.73 4145 824.8 116.1 114.3 1240.37 9 上海 2462.57 5343 996.48 9279 207.4 118.7 113 1642.95 10 江苏 5155.25 1926 1434.95 5943 1025.5 115.8 114.3 2026.64 11 浙江 3524.79 2249 1006.39 6619 754.4 116.6 113.5 916.59 12 安徽 2003.58 1254 474 4609 908.3 114.8 112.7 824.14 13 福建 2160.52 2320 553.97 5857 609.3 115.2 114.4 433.67 14 江西 1205.11 1182 282.84 4211 411.7 116.9 115.9 571.84 15 山东 5002.34 1527 1229.55 5145 1196.6 117.6 114.2 2207.69 16 河南 3002.74 1034 670.35 4344 1574.4 116.5 114.9 1367.92 17 湖北 2391.42 1527 571.68 4685 849 120 116.6 1220.72 18 湖南 2195.7 1408 422.61 4797 1011.8 119 115.5 843.83 19 广东 5381.72 2699 1639.83 8250 656.5 114 111.6 1396.35 续表 序号 省市 X1 X2 X3 X4 X5 X6 X7 X8 20 广西 1606.15 1314 382.59 5105 556 118.4 116.4 554.97 21 海南 364.17 1814 198.35 5340 232.1 113.5 111.3 6