當(dāng)前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

因子分析模型 - 案例按步骤详解 - （SPSS建模）

發(fā)布時(shí)間：2023/12/20 编程问答 27 豆豆

生活随笔收集整理的這篇文章主要介紹了因子分析模型 - 案例按步骤详解 - （SPSS建模）小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

一、SPSS中的因子分析。

步驟:

（1）定義變量：x1-財(cái)政用于農(nóng)業(yè)的支出的比重,x2-第二、三產(chǎn)業(yè)從業(yè)人數(shù)占全社會(huì)從業(yè)人數(shù)的比重，x3-非農(nóng)村人口比重，x4-鄉(xiāng)村從業(yè)人員占農(nóng)村人口的比重，x5-農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧總產(chǎn)值的比重，x6-農(nóng)作物播種面積，x7_—農(nóng)村用電量。

（2）導(dǎo)入數(shù)據(jù)：file-open-data

（3）變量標(biāo)準(zhǔn)化Analyze-Descriptive Statistics-Descriptives

勾選Save standardized values as variables保存變量，再點(diǎn)擊ok，就完成了對(duì)變量的標(biāo)準(zhǔn)化。

（4）因子分析

Analyze—Dimension Reduction—Faction

點(diǎn)擊右側(cè)的Description選項(xiàng)，選擇Statistics選項(xiàng)組中的initial solution，勾選Correlation Matrix選項(xiàng)組中的Coefficients和KMO and Bartlelts test of sphericity，點(diǎn)擊Continue。

點(diǎn)擊右側(cè)Extraction選項(xiàng)，其中Method選Principal components，Analyze選擇Correlation matrix，Display中選擇Unrotated factor solution，Extract如圖，點(diǎn)擊Continue.

點(diǎn)擊右側(cè)Rotation選項(xiàng)，勾選Method選項(xiàng)組中的Varimax，Display中的兩個(gè)選項(xiàng)都勾選，點(diǎn)擊Continue。

點(diǎn)擊右側(cè)Scores，如圖勾選，點(diǎn)擊點(diǎn)擊Continue。

最后點(diǎn)擊options，默認(rèn)

（5）結(jié)果分析

1.KMO and Bartlett's的檢驗(yàn)結(jié)果圖

KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.		.725
Bartlett's Test of Sphericity	Approx. Chi-Square	255.159
	df	21
	Sig.	.000

可以從此表中看出KMO統(tǒng)計(jì)量為0.725，大于最低標(biāo)準(zhǔn)，說明適合做因子分析，Bartlet球形檢驗(yàn)，p<0.001，適合做因子分析。

2.主成分列表

Total Variance Explained
Component	Initial Eigenvalues			Extraction Sums of Squared Loadings			Rotation Sums of Squared Loadings
Component	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %
1	5.920	84.572	84.572	5.920	84.572	84.572	3.308	47.261	47.261
2	.653	9.330	93.902	.653	9.330	93.902	3.265	46.641	93.902
3	.249	3.559	97.462	?	?	?	?	?	?
4	.126	1.798	99.259	?	?	?	?	?	?
5	.042	.595	99.854	?	?	?	?	?	?
6	.008	.108	99.962	?	?	?	?	?	?
7	.003	.038	100.000	?	?	?	?	?	?
Extraction Method: Principal Component Analysis.

可以從此表中看出前2個(gè)主成分特征值較大，它們的累積貢獻(xiàn)率達(dá)到了93.902%，故選擇前2個(gè)公共因子。

3.公因子方差比結(jié)果圖

Communalities
?	Initial	Extraction
Zscore(財(cái)政用于農(nóng)業(yè)的支出的比重)	1.000	.906
Zscore: ?第二、三產(chǎn)業(yè)從業(yè)人數(shù)占全社會(huì)從業(yè)人數(shù)的比重(%)	1.000	.940
Zscore: ?非農(nóng)村人口比重(%)	1.000	.979
Zscore(鄉(xiāng)村從業(yè)人員占農(nóng)村人口的比重)	1.000	.977
Zscore(農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧總產(chǎn)值的比重)	1.000	.943
Zscore: ?農(nóng)作物播種面積(千公頃)	1.000	.909
Zscore: ?農(nóng)村用電量(億千瓦時(shí))	1.000	.918
Extraction Method: Principal Component Analysis.

結(jié)果顯示，每一個(gè)指標(biāo)變量的共性方差都在0.9以上，說明這2個(gè)公共因子能夠很好地反應(yīng)原始各項(xiàng)指標(biāo)變量的絕大部分內(nèi)容。

4.載荷散點(diǎn)圖

從載荷散點(diǎn)圖可以看出，第一公共因子能很好解釋變量x1-財(cái)政用于農(nóng)業(yè)的支出的比重，變量x5-農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧總產(chǎn)值的比重，第二公共因子能很好地解釋變量x2-第二、三產(chǎn)業(yè)從業(yè)人數(shù)占全社會(huì)從業(yè)人數(shù)的比重，x3-非農(nóng)村人口比重，x4-鄉(xiāng)村從業(yè)人員占農(nóng)村人口的比重，x6-農(nóng)作物播種面積，x7_—農(nóng)村用電量。

5.旋轉(zhuǎn)后的因子載荷圖

Component Score Coefficient Matrix
?	Component
?	1	2
Zscore(財(cái)政用于農(nóng)業(yè)的支出的比重)	.507	-.697
Zscore: ?第二、三產(chǎn)業(yè)從業(yè)人數(shù)占全社會(huì)從業(yè)人數(shù)的比重(%)	.120	.112
Zscore: ?非農(nóng)村人口比重(%)	.170	.066
Zscore(鄉(xiāng)村從業(yè)人員占農(nóng)村人口的比重)	.072	.164
Zscore(農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧總產(chǎn)值的比重)	.026	-.257
Zscore: ?農(nóng)作物播種面積(千公頃)	.691	-.510
Zscore: ?農(nóng)村用電量(億千瓦時(shí))	.247	-.022
Extraction Method: Principal Component Analysis. ?Rotation Method: Varimax with Kaiser Normalization. ?Component Scores.

經(jīng)過旋轉(zhuǎn)后，農(nóng)作物播種面積(千公頃)、農(nóng)村用電量(億千瓦時(shí))在因子一上有較大載荷，財(cái)政用于農(nóng)業(yè)的支出的比重、農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧總產(chǎn)值的比重咋因子二上有較大載荷。故因子一可稱為農(nóng)業(yè)基本發(fā)展條件，因子二可稱為政府支持情況。

6.歷年農(nóng)民收入總得分降序表

其中F=f1*84.572/93.902+f2*9.330/93.902

年份	f1	f2	總分F
2004	1.46067	0.23231	1.338621494
2005	1.24137	1.08005	1.225341421
1998	1.44755	-1.0258	1.20180065
1999	0.88995	-0.04301	0.797252115
2000	0.83304	0.28099	0.778188916
2001	0.79886	0.42652	0.761864705
2002	0.56754	0.85163	0.595766872
2003	0.29613	1.3662	0.402450985
1997	0.35599	0.15899	0.336416295
1996	0.141	0.023	0.129275649
1986	0.0712	-2.97824	-0.231789023
1991	-0.35654	-0.496	-0.370396593
1995	-0.53681	0.53338	-0.430477092
1992	-0.46086	-0.24669	-0.439580303
1994	-0.68793	0.39726	-0.580106709
1990	-0.70907	-0.29782	-0.66820865
1993	-0.78235	0.24344	-0.680428628
1987	-0.88133	-1.73639	-0.966287826
1989	-1.23195	0.22253	-1.087434458
1988	-2.45646	1.00764	-2.112270813

數(shù)據(jù)：

年份	財(cái)政用于農(nóng)業(yè)的支出的比重	第二、三產(chǎn)業(yè)從業(yè)人數(shù)占全社會(huì)從業(yè)人數(shù)的比重(%)		非農(nóng)村人口比重(%)	鄉(xiāng)村從業(yè)人員占農(nóng)村人口的比重	農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧總產(chǎn)值的比重		農(nóng)作物播種面積(千公頃)		農(nóng)村用電量(億千瓦時(shí))
1986	13.43	29.5		17.92	36.01	79.99		150104.07		253.1
1987	12.2	31.3		19.39	38.62	75.63		146379.53		320.8
1988	7.66	37.6		23.71	45.9	69.25		143625.87		508.9
1989	9.42	39.9		26.21	49.23	62.75		146553.93		790.5
1990	9.98	39.9		26.41	49.93	64.66		148362.27		844.5
1991	10.26	40.3		26.94	50.92	63.09		149585.8		963.2
1992	10.05	41.5		27.46	51.53	61.51		149007.1		1106.9
1993	9.49	43.6		27.99	51.86	60.07		147740.7		1244.9
1994	9.2	45.7		28.51	52.12	58.22		148240.6		1473.9
1995	8.43	47.8		29.04	52.41	58.43		149879.3		1655.7
1996	8.82	49.5		30.48	53.23	60.57		152380.6		1812.7
1997	8.3	50.1		31.91	54.93	58.23		153969.2		1980.1
1998	10.69	50.2		33.35	55.84	58.03		155705.7		2042.2
1999	8.23	49.9		34.78	57.16	57.53		156372.81		2173.45
2000	7.75	50		36.22	59.33	55.68		156299.85		2421.3
2001	7.71	50		37.66	60.62	55.24		155707.86		2610.78
2002	7.17	50		39.09	62.02	54.51		154635.51		2993.4
2003	7.12	50.9		40.53	63.72	50.08		152414.96		3432.92
2004	9.67	53.1		41.76	65.64	50.05		153552.55		3933.03
2005	7.22		55.2		42.99	67.59	49.72		155487.73	4375.7

總結(jié)

以上是生活随笔為你收集整理的因子分析模型 - 案例按步骤详解 - （SPSS建模）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。

上一篇： javax.net.ssl.SSLExc
下一篇： Could not fetch URL