因子分析spss
-
2023年3月19日发(作者：网络设备图标)文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持.
1
青海大学财经学院
实验报告
实验项目名称SPSS因子分析
所属课程名称SPSS
实验类型验证型实验
实验日期2009-12-3
班级
学号
姓名
成绩
文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持.
2
【实验目的及要求】
掌握SPSS因子分析的具体操作。
【实验原理】
因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归
结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分
类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较
低，那么每一类变量实际上就代表了一个基本结构，即公共因子。对于所研究的问题就
是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测
的每一分量。
【实验环境】（使用的软件）
spss13.0等
实验内容：
【实验方案设计】
选取某班级某年度全班同学（26人）的七门主要成绩作为变量，利用SPSS的因子分析
方法找出对可观测变量起支配作用的潜在因子。
【实验过程】（实验步骤、记录、数据、分析）
在进行因子分析前，作KMOandBartlett'sTest，Kaiser-Meyer-OlkinMeasureofSampling
Adequacy值为0.729。适合进行因子分析。
操作步骤
1.按Analyze→DataReduction→Factor顺序单击菜单项，打开因子分析主对话框。
2.选择PoliticalEconomy、Calculus1、ComputerCulture、Microeconomics、Algebra、Calculus2
和VB为分析变量送到右边的Variables栏中。
3.在主对话框中单击Extraction按钮，相应的对话框中：
1)Method菜单中选择Principlecomponents项，使用主成分分析方法。
2)Analyze栏中选择Correlationmatrix项，分析相关矩阵。
3)Extract栏中选择Numberoffactors2。
4)Display栏中选择Unrotatedfactorsolution，显示未旋转的因子结果。同样选择Scree
plot，要求作出特征值的散点图。
文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持.
3
5)Maximumiterationconvagence25，结束迭代的判据为到达最大迭代次数25.
4.主对话框中单击Score按钮。在相应的对话框中选择Saveasvariables，并在Method栏中
选择Rregression，要求通过回归方法计算因子得分并把因子得分作为变量保存到数据文件
中。
5.单击Descriptives按钮，在对话框Statistics栏内选择Initialsolution选项。
6.在主对话框中单击OK按钮执行运算。
【结论】（结果）
1.表一为公因子提取前后的公因子方差表。
2.表二为各成分的公因子方差表。在选择提取公因子的数量时，选择了提取前2个公因子的
方法。前2个公因子可以解释总方差的近76%，其余5个因子只占24%，可以说2个因子
可以解释总方差的绝大部分。
3.图一是特征值碎石图。可以看出前2个特征值间的差异很大，其余的变化很小。从图中可
以看出，取前2个因子是正确的。
4.表三是提取的2个因子的因子载荷矩阵。行列交叉点上的数据是对应因子在变量上的载荷。
它体现了交叉点对应的因子与对应变量的相关程度。可以看出，第一主成分与六个变量的
相关较高，这六个变量是PoliticalEconomy、Calculus1、Microeconomics、Algebra、
Calculus2和VB。而第二主成分则于ComputerCulture的相关更高些。可PoliticalEconomy、
Calculus1、Microeconomics、Algebra、Calculus2和VB命名为理解能力因子，
ComputerCulture称为操作能力因子。
5.图二是当前数据文件。其中最右边的变量FAC1-1和FAC2-1是各观测量的因子得分变量。
【小结】
基本掌握本次课程任务，但是在操作过程和文字分析上还是有些生疏。
指导教师评语及成绩：
评语：
文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持.
4
成绩：指导教师签名：批阅日期：
附件一：公因子方差
附件二：总方差分解
附件三：特征值散点图
附件四：主成分分析的因子载荷阵
附件五：数据文件中的两个新变量——因子得分
表一公因子方差表
Communalities
InitialExtraction
PoliticalEconomy1.000.812
Calculus11.000.782
ComputerCulture1.000.727
Microeconomics1.000.805
Algebra1.000.622
Calculus21.000.782
VB1.000.783
ExtractionMethod：PrincipleComponentAnalysis.
表三主成分分析的因子载荷阵
ComponentMatrix
Component
12
PoliticalEconomy.744-.508
Calculus1.700-.541
ComputerCulture.523.674
Microeconomics.884.155
Algebra.702.360
Calculus2.815-.344
VB.806.366
ExtractionMethod：PrincipleComponentAnalysis.
a.2componentsextracted.
表二总方差分解
TotalvarianceExplained
ComponentInitialEigenvaluesExtractionSumsofSquaredLoadings
5
Total%ofvarianceComulative%Total%ofvarianceComulative%
13.90355.76155.7613.90355.76155.761
21.41020.15075.9111.41020.15075.911
3.6379.09885.009
4.3855.49690.505
5.2914.15894.662
6.2433.46698.129
7.1311.871100.000
ExtractionMethod：PrincipleComponentAnalysis.
图一特征值散点图
图二数据文件中的两个新变量——因子得分
6