spss案例分析---详细演示

spss案例分析---详细演示

1 研究问题

石家庄18个县市14个指标因子，具体来说有人均GDP(元/人)、人均全社会固定资产投资额、人均城镇固定资产投资额、人均一般预算性财政收入、第三产业占GDP比重(%)、人均社会消费品零售额、人均实际利用外资额（万美元/人）、人均城乡居民储蓄存款、农民人均纯收入、在岗职工平均工资、人才密度指数、科技支出占财政支出比重（%）、每万人拥有执业医师数量、每千人拥有病床数。

要求根据这14项内容进行因子分析，得到维度较少的几个因子。

2 实现步骤

【1】在“Analyze”菜单“Data Reduction”中选择“Factor”命令，如下图所示。

【2】在弹出的下图所示的Factor Analysis对话框中，从对话框左侧的变量列表中选择这14个变量，使之添加到Variables框中。

【3】点击“Descriptives”按钮，弹出“Factor Analysis：Descriptives”对话框，如图所示。

Statistics框用于选择哪些相关的统计量，其中：

Univariate descriptives（变量描述）：输出变量均值、标准差； Initial solution （初始结果）

Correlation Matrix框中提供了几种检验变量是否适合做引子分析的检验方法，其中：

Coefficients （相关系数矩阵） Significance leves （显著性水平）

Determinant （相关系数矩阵的行列式） Inverse （相关系数矩阵的逆矩阵）

Reproduced （再生相关矩阵，原始相关与再生相关的差值） Anti-image （反影像相关矩阵检验）

KMO and Bartlett’s test of sphericity （KMO检验和巴特利特球形检验）

本例中，选中该对话框中所有选项，单击Continue按钮返回Factor Analysis对话框。

【4】单击“Extraction”按钮，弹出“Factor Analysis：Extraction”对话框，选择因子提取方法，如下图所示：

因子提取方法在Method下拉框中选取，SPSS共提供了7种方法：

Principle Components Analysis （主成分分析） Unweighted least squares（未加权最小平方法） Generalized least squares （综合最小平方法） Maximum likelihood （最大似然估价法） Principal axis factoring （主轴因子法） Alpha factoring （α因子） Image factoring （影像因子）

Analyze框中用于选择提取变量依据，其中：

Correlation matrix （相关系数矩阵） Covariance matrix （协方差矩阵）

Extract框用于指定因子个数的标准，其中：

Eigenvaluse over （大于特征值） Number of factors （因子个数）

Display框用于选择输出哪些与因子提取有关的信息，其中：

Unrotated factor solution （未经旋转的因子载荷矩阵） Screen plot （特征值排列图）

Maximun interations for Convergence框用于指定因子分析收敛的最大迭代次数，系统默认的最大迭代次数为25。

本例选用Principal components方法，选择相关系数矩阵作为提取因子变量的依据，选中Unrotated factor solution和Scree plot项，输出未经过旋转的因子载荷矩阵与其特征值的碎石图；选择Eigenvaluse over项，在该选项后面可以输入1，

指定提取特征值大于1的因子。单击Continue按钮返回Factor Analysis对话框。 【5】单击Factor Analysis对话框中的Rotation按钮，弹出Factor Analysis: Rotation对话框，如下图所示：

该对话框用于选择因子载荷矩阵的旋转方法。旋转目的是为了简化结构，以帮助我们解释因子。SPSS默认不进行旋转（None）。 Method框用于选择因子旋转方法，其中：

None（不旋转）

Varimax（正交旋转）

Direct Oblimin（直接斜交旋转） Quanlimax（四分最大正交旋转） Equamax（平均正交旋转） Promax（斜交旋转）

Display框用于选择输出哪些与因子旋转有关的信息，其中：

Rotated solution（输出旋转后的因子载荷矩阵） Loading plots（输出载荷散点图）

本例选择方差极大法旋转Varimax，并选中Rotated solution和Loading plot项，表示输出旋转后的因子载荷矩阵和载荷散点图，单击Continue按钮返回Factor Analysis对话框。

【6】单击Factor Analysis对话框中的Scores按钮，弹出Factor Analysis: Scores对话框，如下图所示：

该对话框用以选择对因子得分进行设置，其中：

Regression（回归法）：因子得分均值为0，采用多元相关平方； Bartlett （巴特利法）：因子得分均值为0，采用超出变量范围各因子平方和被最小化；

Anderson-Rubin （安德森-洛宾法）：因子得分均值为0，标准差1，彼此不相关；

Display factor score coefficient matrix：选择此项将在输出窗口中显示因子得分系数矩阵。 【7】单击Factor Analysis对话框中的Options按钮，弹出Factor Analysis: Options对话框，如下图所示：

该对话框可以指定其他因子分析的结果，并选择对缺失数据的处理方法，其中：

Missing Values框用于选择缺失值处理方法：

Exclude cases listwise：去除所有缺失值的个案

Exclude cases pairwise：含有缺失值的变量，去掉该案例 Replace with mean：用平均值代替缺失值

Cofficient Display Format框用于选择载荷系数的显示格式：

Sorted by size：载荷系数按照数值大小排列

Suppress absolute values less than：不显示绝对值小于指定值的载荷量

本例选中Exclude cases listwise项，单击Continue按钮返回Factor Analysis对话框，完成设置。单击OK，完成计算。 3 结果与讨论

（1）SPSS输出的第一部分如下：

第一个表格中列出了18个原始变量的统计结果，包括平均值、标准差和分析的个案数。这个是步骤3中选中Univariate descriptives项的输出结果。

（2）SPSS输出结果文件中的第二部分如下：

该表格给出的是18个原始变量的相关矩阵

人均城镇固定资产投资额 人均一般预算性财政收入 第三产业占 GDP 比重(%) 人均社会消费品零售额 人均实际利用外资额(万美元/ 人) 人均城乡居民储蓄存款 农民人均纯收入 在岗职工平均工资 人才密度指数 科技支出占财政支出比重 (%) 每万人拥有执业医师数量 每千人拥有病床数

.707 .776 .567 .737 .454

.883 .571 .507 .247 .356

1.000 .821 .759 .600 .648

.707 .559 .789 .741 .582 .434 .573

.480 -.073 .325 .470 .378 .520 .565

.780 .130 .544 .737 .486 .733 .761

Correlation Matrix 人均一般预算性 第三产业占 GDP 人均社会消费品 财政收入 Correlation 人均 GDP(元/人) 人均全社会固定资产投资额 人均城镇固定资产投资额 人均一般预算性财政收入 第三产业占 GDP 比重(%) 人均社会消费品零售额 人均实际利用外资额(万美元/ 人) 人均城乡居民储蓄存款 农民人均纯收入 在岗职工平均工资 人才密度指数 科技支出占财政支出比重 (%) 每万人拥有执业医师数量 每千人拥有病床数 .907 .132 .736 .795 .729 .818 .911 .882 .278 .548 .745 .575 .844 .806 .839 .516 .609 .812 .490 .627 .629 .776 .571 .821 1.000 .830 .693 .797 比重(%) .567 .507 .759 .830 1.000 .646 .822 零售额 .737 .247 .600 .693 .646 1.000 .616

Correlation Matrix

人均实际利用外 资额(万美元/人) Correlation 人均 GDP(元/人) 人 …… 此处隐藏：6582字，全部文档内容请下载后查看。喜欢就下载吧 ……