主成分分析法案例_因子分析案例及操作解析
生活随笔
收集整理的這篇文章主要介紹了
主成分分析法案例_因子分析案例及操作解析
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
分析一個省的科技創新能力受哪些潛在因素的影響?(本數據來源于網絡收集,x1~x15代表各省市相關經濟指標)
第一步:數據輸入(如下圖)
第二步:操作步驟:分析——降維——因子分析(F)。
得出下圖:(1)因子分析將x1~x15選入變量,然后點擊描述。
進入描述統計,勾選原始分析結果(I),選擇相關矩陣中的系數、行列式。
按照下面操作步驟
此外的其他選項不變,得出最后結論。
第三部:得出結果。如下所示:
結果顯示及分析:可以看出前3個特征值>1,同時這3個公共因子的方差貢獻率占93.924%,說明提取這3個公共因子可以解釋原變量的絕大部分信息。
底部表明使用的主成分分析法,3個主成分被抽取出來。
旋轉后的因子載荷矩陣
是按照前面設定的“方差極大法”對因子載荷矩陣旋轉的結果。在旋轉前的的矩陣中,因子變量在許多變量上均有較高的載荷,從旋轉后的因子可以看出,因子1在1、3、6、7、12、13、14上有較大載荷,反映科技投入與產出情況,可以命名為創新水平因子:因子2在指標5、8、15上較大載荷,反映地區經濟發展及財政科技投入水平,可以命名為創新因子;因子3在指標9和10上有較大載荷,可以命民為高科技產業發展因子。
表明因子提取方法是主成分分析,旋轉的方法是方差極大法。
得出結論:
北京受x1-x15因素的影響排在第一位。山東排在最后一位。
在主頁,回復20190304即可獲得數據哦~
總結
以上是生活随笔為你收集整理的主成分分析法案例_因子分析案例及操作解析的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 为什么在python中整数的值没有限制_
- 下一篇: java 设计方法_java 中如何处理