SPSS操作方法：因子分析09

1实验指导之四因子分析的SPSS操作方法以例13.1为例进行因子分析操作。1.在SPSS的数据编辑窗口（见图1）点击Analysize→DataReduction→Factor，打开FactorAnalysis对话框如图2.图1因子分析操作图2FactorAnalysis对话框2将参与因子分析的变量依次选入Variables框中。例13.1中有8个参与因子分析的变量，故都选入变量框内。2.单击Descriptives按钮，打开Descriptives对话框如图3所示。Statistics栏，指定输出的统计量。图3Descriptives对话框Univariatedescriptives输出每个变量的基本统计描述；Initialsolution输出初始分析结果。输出主成分变量的相关或协方差矩阵的对角元素。（本例选择）CorrelationMatrix栏指定输出考察因子分析条件和方法。Coefficients相关系数矩阵；Significancelevels相关系数假设检验的P值；Determinant相关系数矩阵行列式的值；KMOandBartlett´stestofSphericityKMO和巴特利检验（本例选择）巴特利检验是关于研究的变量是否适合进行因子分析的检验.拒绝原假设意味着适合进行因子分析.KMO值等于变量间单相关系数的平方和与单相关系数平方和加上偏相关系数平方和之比,值越接近1,意味着变量间的相关性越强,越适合进行因子分分析,KMO值越接近0,则变量间的相关性越弱.越不适合进行因子分析.Inverse相关系数矩阵的逆矩阵；Reproduced再生相关阵；Anti-image反映象相关矩阵。3.单击Extraction按钮，打开Extraction对话框选项，见图4。3图4Extraction对话框Method栏，指定因子分析方法。点击下拉菜单可以选择需要的方法。Principalcomponents主成分法，系统默认；（本例选择）Unweightedleastsquare普通最小二乘法；Generalizedleastsquares广义最小二乘法Maximumlikelihood最大似然法PrincipalAxisfactoring主轴因子法Alphaα因子提取法Image映像分析法Extract栏，决定提取主成分的个数。Eigenvalueover指定要提取因子的最小特征值，系统默认值1，也可以自定义特征值的数值。（本例选择）Numberoffactors直接指定提取的因子个数。Display栏指定与初始因子有关的输出项Unrotatedfactorsolution显示未旋转的因子解。可以自定义特征值的数值。（本例选择）Screeplot显示碎石图，可用于决定因子的提取个数。（本例选择）4.单击Rotation按钮，打开Rotation对话框（见图5）。4图5Rotation对话框Methed栏，选择因子旋转方法。None不作选择，系统默认项。Varimax正交旋转最大方差法。是因子旋转时常用的方法。其它方法略。Display栏，选择因子旋转的输出信息。Rotatedsolution输出旋转后的因子载荷矩阵。（本例选择）Loadingplot(s)输出旋转后的因子载荷散布图。5.单击Scores按钮，打开Scores对话框选项(见图6)。图6Scores对话框Saveasvariables将样品的因子得分作为新变量保存在数据文件中。（本例选择）Method栏，指定计算因子值方法Regression回归法（本例选择）Bartlett巴特利特法5Anderson-Rubin安德森—鲁宾法DisplayfactorScoreCoefficientMatrix输出标准化的因子得分矩阵。（本例选择）6.单击Options按钮，打开Options对话框选择项，见图7。图7Options对话框CoefficientDisplayFormat栏，指定输出其它因子结果及缺失值的处理方式。本例不作选择。Sortedbysize从第一因子开始，按降序输出因子载荷矩阵。SuppressabsoluteValuelessthan:()在框内输入数值，表示输出大于等于这个值的载荷的变量。所有选择完成后单击OK可得输出结果。观察部分输出的结果：KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy..412Bartlett'sTestofSphericityApprox.Chi-Square165.364df28Sig..000上表中表述检验表中巴特利检验通过，故本例采用因子分析是适合的。下表是因子从每个原始变量中提取的信息量。6CommunalitiesInitialExtractionZscore:固定资产利税（％）1.000.983Zscore:资金利税率（％）1.000.945Zscore:销售收入利税率（％）1.000.838Zscore:资金利润(%)1.000.970Zscore:固定资产产值率（％）1.000.850Zscore:逆：流动资金周转天数（％）1.000.894Zscore:逆：万元产值能耗（吨）1.000.929Zscore:全员劳动生产率（万元/人.年）1.000.789ExtractionMethod:PrincipalComponentAnalysis.从上表中得出所有变量提取的信息量都在0.789以上。TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%Total%ofVarianceCumulative%15.06163.25763.2575.06163.25763.2574.24753.09053.09021.32016.50179.7581.32016.50179.7581.75921.98975.0793.81710.21089.968.81710.21089.9681.19114.88989.9684.5086.34596.3135.1962.45198.7646.0901.12999.8937.008.10399.9968.000.004100.000ExtractionMethod:PrincipalComponentAnalysis.上表显示各主成分解释原始变量总方差的情况。本例保留了三个因子，这三个因子集中了原始变量的89.968%7上图表示的是碎石图，显示出取三个因子是合适的。成分矩阵ComponentMatrixaComponent123Zscore:固定资产利税（％）.970.037-.200Zscore:资金利税率（％）.909-.342.048Zscore:销售收入利税率（％）.851.158-.297Zscore:资金利润(%).941-.291-.010Zscore:固定资产产值率（％）.897-.215-.007Zscore:逆：流动资金周转天数（％）.348.814.333Zscore:逆：万元产值能耗（吨）.653-.050.707Zscore:全员劳动生产率（万元/人.年）.577.617-.274a.3componentsextracted.上表表示的是因子分析的初始解的因子载荷矩阵。8旋转后的成分矩阵RotatedComponentMatrixaComponent123Zscore:固定资产利税（％）.912.378.095Zscore:资金利税率（％）.913-.011.335Zscore:销售收入利税率（％）.793.456-.040Zscore:资金利润(%).941.051.285Zscore:固定资产产值率（％）.875.106.271Zscore:逆：流动资金周转天数（％）-.068.866.375Zscore:逆：万元产值能耗（吨）.389.141.870Zscore:全员劳动生产率（万元/人.年）.384.791-.125上表表示的是旋转后的因子载荷矩阵。从表中得出第一个因子表示的是固定资产利税率，资金利税率，销售收入利税率，资金利润率，固定资产产值率这五个指标。可以认为是工业生产中投入的资金、固定资产产出的效果，可以看成是投入产出因子。第二个因子是流动资金周转天数和劳动生产率，可以认为是效率因子，而第三个因子反映的是万元产值能耗，反映的是能源消耗效果。因子得分系数矩阵Component123Zscore:固定资产利税（％）.234.105-.178Zscore:资金利税率（％）.231-.184.124Zscore:销售收入利税率（％）.217.189-.304Zscore:资金利润(%).245-.142.055Zscore:固定资产产值率（％）.216-.091.053Zscore:逆：流动资金周转天数（％）-.271.581.374Zscore:逆：万元产值能耗（吨）-.129-.036.866Zscore:全员劳动生产率（万元/人.年）.041.495-.313上表表示的是因子得分系数，9上表表示的是因子旋转的正交矩阵。最后在数据窗口可以得到的每个样品的因子得分，可以用散布图得出因子的得分图。各样品的因子得分（标准化得分）图从图中可以得出因子1中华新水泥厂得分最高。因子2中湘乡水泥厂最好。ComponentTransformationMatrix正交矩阵Component1231.891.343.2962-.342.938-.0563-.297-.051.953