spss因子分析实例(共9页).doc

《spss因子分析实例(共9页).doc》由会员分享，可在线阅读，更多相关《spss因子分析实例(共9页).doc（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上一研究目的：为了研究农民收入，我们选取了其中7种主要影响因素，包括 财政用于农业的支出的比重（%），第二、三产业从业人数占全社会从业人数的比重（%），非农村人口比重，乡村从业人员占农村人口的比重（%），农业总产值占农林牧总产值的比重（%），农作物播种面积（千公顷），农村用电量（亿千瓦时）。（数据见最后一页）二研究变量：在经济生活中，根据以上分析，我们在影响农民收入因素中引入7个变量。即设置变量:x1-财政用于农业的支出的比重,x2-第二、三产业从业人数占全社会从业人数的比重，x3-非农村人口比重，x4-乡村从业人员占农村人口的比重，x5-农业总产值占农林牧总产值的比重

2、，x6-农作物播种面积，x7农村用电量。一、 研究方法：SPSS中的因子分析。具体操作步骤（1）定义变量：x1-财政用于农业的支出的比重,x2-第二、三产业从业人数占全社会从业人数的比重，x3-非农村人口比重，x4-乡村从业人员占农村人口的比重，x5-农业总产值占农林牧总产值的比重，x6-农作物播种面积，x7农村用电量。 （2）导入数据：file-open-data（3） 变量标准化Analyze-Descriptive Statistics-Descriptives勾选Save standardized values as variables保存变量，再点击ok，就完成了对变量的标准化。（3

3、） 因子分析AnalyzeDimension ReductionFaction点击右侧的Description选项，选择Statistics选项组中的initial solution，勾选Correlation Matrix选项组中的Coefficients和KMO and Bartlelts test of sphericity，点击Continue。点击右侧Extraction选项，其中Method选Principal components，Analyze选择Correlation matrix，Display中选择Unrotated factor solution，Extract如图，点

4、击Continue.点击右侧Rotation选项，勾选Method选项组中的Varimax，Display中的两个选项都勾选，点击Continue。点击右侧Scores，如图勾选，点击点击Continue。最后点击options，默认（4） 结果分析1.KMO and Bartletts的检验结果图KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.725Bartletts Test of SphericityApprox. Chi-Square255.159df21Sig.000可以从此表中看出KMO统计

5、量为0.725，大于最低标准，说明适合做因子分析，Bartlet球形检验，p0.001，适合做因子分析。2.主成分列表Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %15.92084.57284.5725.92084.57284

6、.5723.30847.26147.2612.6539.33093.902.6539.33093.9023.26546.64193.9023.2493.55997.4624.1261.79899.2595.042.59599.8546.008.10899.9627.003.038100.000Extraction Method: Principal Component Analysis.可以从此表中看出前2个主成分特征值较大，它们的累积贡献率达到了93.902%，故选择前2个公共因子。3.公因子方差比结果图CommunalitiesInitialExtractionZscore(财政用于农业的

7、支出的比重)1.000.906Zscore: 第二、三产业从业人数占全社会从业人数的比重(%)1.000.940Zscore: 非农村人口比重(%)1.000.979Zscore(乡村从业人员占农村人口的比重)1.000.977Zscore(农业总产值占农林牧总产值的比重)1.000.943Zscore: 农作物播种面积(千公顷)1.000.909Zscore: 农村用电量(亿千瓦时)1.000.918Extraction Method: Principal Component Analysis.结果显示，每一个指标变量的共性方差都在0.9以上，说明这2个公共因子能够很好地反应原始各项指标变量

8、的绝大部分内容。4.载荷散点图从载荷散点图可以看出，第一公共因子能很好解释变量x1-财政用于农业的支出的比重，变量x5-农业总产值占农林牧总产值的比重，第二公共因子能很好地解释变量x2-第二、三产业从业人数占全社会从业人数的比重，x3-非农村人口比重，x4-乡村从业人员占农村人口的比重，x6-农作物播种面积，x7农村用电量。5.旋转后的因子载荷图Component Score Coefficient MatrixComponent12Zscore(财政用于农业的支出的比重).507-.697Zscore: 第二、三产业从业人数占全社会从业人数的比重(%).120.112Zscore: 非农村人

9、口比重(%).170.066Zscore(乡村从业人员占农村人口的比重).072.164Zscore(农业总产值占农林牧总产值的比重).026-.257Zscore: 农作物播种面积(千公顷).691-.510Zscore: 农村用电量(亿千瓦时).247-.022Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.经过旋转后，农作物播种面积(千公顷)、农村用电量(亿千瓦时)在因子一上有较大载荷，财政用于农业的支

10、出的比重、农业总产值占农林牧总产值的比重咋因子二上有较大载荷。故因子一可称为农业基本发展条件，因子二可称为政府支持情况。6. 历年农民收入总得分降序表其中F=f1*84.572/93.902+f2*9.330/93.902年份f1f2总分F20041.460670.232311.20051.241371.080051.19981.44755-1.02581.19990.88995-0.043010.20000.833040.280990.20010.798860.426520.20020.567540.851630.20030.296131.36620.19970.355990.158990.

11、19960.1410.0230.19860.0712-2.97824-0.1991-0.35654-0.496-0.1995-0.536810.53338-0.1992-0.46086-0.24669-0.1994-0.687930.39726-0.1990-0.70907-0.29782-0.1993-0.782350.24344-0.1987-0.88133-1.73639-0.1989-1.231950.22253-1.1988-2.456461.00764-2.数据：年份财政用于农业的支出的比重第二、三产业从业人数占全社会从业人数的比重(%)非农村人口比重(%)乡村从业人员占农村人口的

12、比重农业总产值占农林牧总产值的比重农作物播种面积(千公顷)农村用电量(亿千瓦时)198613.4329.517.9236.0179.99.07253.1198712.231.319.3938.6275.63.53320.819887.6637.623.7145.969.25.87508.919899.4239.926.2149.2362.75.93790.519909.9839.926.4149.9364.66.27844.5199110.2640.326.9450.9263.09.8963.2199210.0541.527.4651.5361.51.11106.919939.4943.627

13、.9951.8660.07.71244.919949.245.728.5152.1258.22.61473.919958.4347.829.0452.4158.43.31655.719968.8249.530.4853.2360.57.61812.719978.350.131.9154.9358.23.21980.1199810.6950.233.3555.8458.03.72042.219998.2349.934.7857.1657.53.812173.4520007.755036.2259.3355.68.852421.320017.715037.6660.6255.24.862610.7820027.175039.0962.0254.51.512993.420037.1250.940.5363.7250.08.963432.9220049.6753.141.7665.6450.05.553933.0320057.2255.242.9967.5949.72.734375.7专心-专注-专业