SPSS因子分析和主成分分析论文文档格式.docx
- 文档编号:3813093
- 上传时间:2023-05-02
- 格式:DOCX
- 页数:13
- 大小:49.54KB
SPSS因子分析和主成分分析论文文档格式.docx
《SPSS因子分析和主成分分析论文文档格式.docx》由会员分享,可在线阅读,更多相关《SPSS因子分析和主成分分析论文文档格式.docx(13页珍藏版)》请在冰点文库上搜索。
7612.31
313.76
758.53
654.11
2295.62
4409.58
23194.23
10516.75
549.12
42532.00
23357.17
75.49
61.12
352.80
1701.62
3030.13
11031.89
5139.29
157.91
47417.00
13339.37
150.83
282.69
518.28
1720.98
3686.52
14217.38
5114.16
119.95
51388.00
7455.17
165.81
1038.97
1026.44
3343.81
5197.42
25107.66
10581.44
1144.78
46310.00
19659.51
97.23
481.46
463.53
1156.96
2744.81
9979.26
5426.43
258.32
43821.00
7745.33
403.13
-119.39
407.61
1277.40
3369.18
11453.08
6251.17
388.79
42744.00
10058.60
1.48
173.00
1245.92
4109.51
4528.61
5647.79
8051.96
4412.68
91477.00
20486.25
227.79
1972.08
2903.66
6568.46
7798.47
36373.32
20796.52
5508.02
57984.00
33823.90
116.74
1130.33
1656.09
3796.92
4730.47
20782.11
15225.54
3357.89
57310.00
28922.97
169.36
999.12
658.34
2075.08
4349.69
18621.90
6542.42
455.19
48929.00
12924.91
159.60
1127.36
770.90
2119.45
3068.80
15327.44
8275.35
1693.21
49328.00
11847.25
116.26
728.79
544.57
1621.24
3470.30
12850.25
4576.11
367.47
43582.00
9725.17
460.93
1686.74
2523.42
4559.95
6688.80
36789.07
22294.84
2665.32
47652.00
29796.08
289.44
1134.19
1132.92
2415.45
5582.31
26087.46
12426.60
599.57
38804.00
20232.12
249.39
978.46
1190.19
2191.22
4371.65
19307.33
10885.94
363.80
44613.00
15507.03
95.02
1010.93
1241.49
2030.88
4690.89
17841.40
9018.64
251.75
43893.00
14539.68
200.25
1726.52
3169.28
7081.47
8411.00
22308.39
25453.93
10915.81
53611.00
49891.35
171.20
615.61
556.09
1317.60
3208.67
11907.67
5133.08
328.27
42637.00
9118.91
44.93
66.82
179.17
481.01
1011.17
2697.93
992.89
149.85
45573.00
2465.38
76.73
422.74
747.62
1693.24
3062.28
10435.24
4599.77
686.92
51015.00
9622.31
128.40
1245.75
1013.82
2784.10
6220.91
20326.11
10561.45
645.75
49019.00
22597.30
137.14
566.16
451.29
1206.41
3082.66
7373.60
2366.20
82.90
49087.00
5919.05
240.79
508.62
662.03
1611.30
4096.51
9968.30
4004.56
253.04
44188.00
8969.81
6.44
50.07
50.13
1014.31
876.00
293.20
33.19
64409.00
496.03
155.89
837.77
597.87
1748.33
3665.07
14884.15
4999.54
201.28
48853.00
12249.36
98.87
220.95
297.99
607.27
2309.62
6527.94
2173.83
102.36
44109.00
5878.47
30.68
111.97
64.86
223.86
1228.05
2361.09
544.08
14.03
52105.00
1504.17
23.58
105.59
94.60
308.34
922.48
2651.14
610.51
32.18
52185.00
1887.23
147.72
284.41
422.80
1128.49
3067.12
7732.30
2108.15
275.61
49843.00
5884.50
三、数据分析过程
(一)相关性分析
用SPSS21.0数据处理系统将10项经济指标处理后,得到相关系数矩阵、巴特利特球度检验和KMO检验方法进行分析。
分析结果见表2和表3。
表2相关矩阵
1
0.472
0.39
0.313
0.538
0.702
0.546
0.077
-0.505
0.403
0.829
0.766
0.846
0.887
0.858
0.536
-0.163
0.772
0.959
0.895
0.758
0.955
0.199
0.923
0.905
0.718
0.886
0.315
0.951
0.854
0.92
0.683
0.019
0.918
0.86
0.378
-0.263
0.748
0.764
0.034
0.953
0.445
0.173
根据表2原有变量的相关系数矩阵,可以看到:
大部分的相关系数都较均大于0.3,各变量呈较强的线性关系,能够从中提取公共因子,适合进行因子分析。
表3KMO和Bartlett的检验
取样足够度的Kaiser-Meyer-Olkin度量。
.740
Bartlett的球形度检验
近似卡方
541.977
df
45
Sig.
.000
Bartlett检验的F值等于541.977,F值显著,Sig.(显著性)小于0.005,表明所取的数据满足正态总体分布;
KMO值等于0.74,大于0.7,说明变量之间的相关性可以被其他变量解释,因此适合做因子分析。
(二)提取主因子
根据原有变量的相关系数矩阵,采用主成分分析法提取因子并选取大于1的特征值,得出公因子差和分析结果如下表4。
表4公因子差
初始
提取
1.000
.768
.826
.959
.983
.923
.918
.973
.886
.843
.944
从表中可以看出,10个变量的共同度基本都在80%以上,即这些变量的信息丢失较少,变量都能被因子解释,本次因子提取的总体效果较理想。
一般情况下,确定因子个数时,累计贡献率达到85%以上,本文提取特征值大于1的特征值,得到2个主因子代替原来的10个因子累计贡献率达90.22%,因此取出的2个主因子基本上包括了X1~X10的大量信息。
分析结果见表5。
表5解释的总方差
成份
初始特征值
提取平方和载入
旋转平方和载入
合计
方差的%
累积%
7.068
70.681
6.842
68.417
2
1.954
19.541
90.222
2.180
21.805
3
.397
3.971
94.193
4
.291
2.912
97.106
5
.122
1.221
98.327
6
.074
.743
99.070
7
.049
.485
99.555
8
.032
.323
99.878
9
.008
.078
99.956
10
.004
.044
100.000
由表5可知,第一个公因子的方差贡献率为70.681%,前两个公共因子的累计方差献率已达到90.22>85%,即前两个公共因子已代表了原始数据的绝大部分信息。
因子分析效果较理想。
在因子旋转后总的累计方差贡献率没有改变,没有影响到原有变量的共同度,但重新分配了各个因子解释原有变量的方差,改变了各因子的方差贡献,使得因子更易于理解。
图1
图1中,横坐标为因子数目,纵坐标为特征值。
可以看到:
第一个因子的特征值较高,对解释变量的贡献最大;
第三个以后的因子特征值都较小,对解释原有变量的贡献很小,已经成为可被忽略的“高山脚下的碎石”,因此提取两个因子适合的。
(三)因子旋转及公因子命名
因为因子意义不明显,对初始因子进行旋转。
本文采用旋转因子模型的方法是方差最大正交旋转,旋转后,得到因子载荷矩阵(见表6)。
由旋转后的因子载荷矩阵可以看出,第1主因子第二产业增加值(X2)、第三产业增加值(X3)、地方财政预算收入(X4)、地方财政预算支出(X5)、社会消费品零售总额(X7)、货物进出口总额(X8)、城乡居民储蓄年末余额(X10)这7个指标上的载荷较大,集中反映了第二、三产业、地方财政收入与支出、社会消费品零售、货物进出口、城乡居民储蓄这7个方面,因此将其定义为Fac1。
第2主因子在在岗职工平均工资(X9)这个指标上的载荷较大,因此,第2因子可定义为在岗职工工资Fac2。
这2个主因子的性质及其顺序较好地体现了影响我国各省、直辖市、自治区经济发展的因素,也完全符合社会经济发展的规律。
另外还可以看到:
这两个因子的实际含义比较模糊。
表6旋转后因子模型
.362
.798
.815
.402
.978
.051
.989
-.062
.267
.754
.591
.957
.239
.876
-.346
-.261
.880
.970
.060
(四)计算因子得分
为了考察各省、直辖市、自治区的经济发展状况,并对其进行分析和综合评价,采用回归法求出因子得分函数,由系数矩阵将2个主因子表示为10项指标的线性组合。
因子得分的函数为:
2个主因子分别从不同的方面反映了我国各省、直辖市、自治区经济发展状况,但单独使某一主因子并不能对我国各省、直辖市、自治区经济发展状况作出综合的评价,因此按各公因子对应的方差贡献率为权数计算综合统计量为:
通过计算可以得到综合因子得分,并对各城市的综合因子得分排序(见表7)。
表7主因子得分、综合因子得分及排名
Fac1
名次
Fac2
Fac
0.82
-2.70
-0.03
-0.18
15
-1.21
16
-0.39
17
0.12
11
1.23
0.35
-0.54
22
-0.17
21
-0.41
24
-0.45
19
0.11
-0.28
20
0.45
0.62
0.44
-0.62
23
0.14
29
-0.63
1.07
-0.20
0.79
-2.72
31
-0.05
14
2.39
0.25
1.69
1.05
-0.35
0.64
-0.07
0.50
0.06
-0.02
13
0.24
0.04
12
-0.43
18
0.32
-0.22
1.67
1.76
1.53
0.37
1.47
0.58
0.13
0.29
0.08
0.43
0.15
3.04
-0.72
27
1.93
-0.51
-0.24
-1.15
30
-0.38
-0.87
28
-0.40
-0.29
-0.33
0.49
-0.66
25
0.05
-0.44
0.60
-1.12
-1.19
-1.02
0.34
-0.12
-0.91
0.01
-0.61
-0.92
26
-0.93
-0.71
-0.49
从上述因子分析看第二、三产业、地方财政收入与支出、社会消费品零售、货物进出口、城乡居民储蓄、在岗职工平均工资成为我国各省、直辖市、自治区2013年经济发展差异的主要解释成分,从统计意义上看,它们解释了这种差异90.22%的程度。
深入分析还可以得出因子中的第一产业、外贸是我国各省、直辖市、自治区发展的前提条件,反映地方财政收入与支出可以理解国家、地方实施西部大开策略的资金投入力度。
表7是由加权的最后因子得分表达式计算出的我国各省、直辖市、自治区的综合因子得分,从结果看,还是符合我国西部城市经济发展实际情况的。
第一主因子反映第二、三产业、地方财政收入与支出、社会消费品零售、货物进出口、城乡居民储蓄方面,XX、XX、XX排在前3位;
第二主因子反映在岗职工平均工资方面,XX、XX、XX排在前3位。
2个主要因子的综合因子得分中,XX、XX、XX、XX、排在前5位,这也是中国各省、直辖市、自治区沿海经济发展较好的地区,这些地区经济发展速度较快,第二、第三产业发达,地方财政收入与支出、社会消费品零售、货物进出口、城乡居民储蓄都相对较高;
XX、XX、XX、XX、XX排在后5位,这也是西部地区经济发展较落后的地区,相应的财政收入与支出、居民消费水平相对较低,进出口贸易不是很发达,制约了该地区经济的发展。
四、结论及建议
本文通过对我国31个省、直辖市、自治区经济发展状况的因子分析。
证实了影响我国经济发展状况的因素主要有2大类,分别是第二、三产业、地方财政收入与支出、社会消费品零售、货物进出口与城乡居民储蓄、在岗职工平均工资方面。
这2个主因子的方差贡献率达90.22%。
我国经济发展既有差异也有相似性,XX、XX、XX、XX、经济发展的整体水平最高,XX、XX、XX、XX、XX的经济发展状况已经存在比较突出的问题。
我国的经济发展的差异已经相当显著,在一定时期内还有可能继续扩大,可以从第二、三产业、地方财政收入与支出、货物进出口方面寻求突破,通过具体的针对性措施刺激第二、三产业、对外贸易的发展,调整产业结构,为外商提供较多的优惠政策。
同时,政府还可以进一步加强对经济落后地区的财政支出,推动我国经济均衡发展。
参考文献
[1]薛薇.基于SPSS的数据分析[M].:
中国人民大学,2006:
107-121.
[2]于秀林,任雪松.多元统计分析[M].:
中国统计,2006:
171-184.
[3]Johnson.实用多元统计分析[M].:
清华大学,2004:
388-425.
[4]X新华.因子分析中数据正向化处理的必要性及其软件实现[J].XX工学院学报:
自然科学版,2009,23(9):
152-155.
[5]X照德.因子分析在企业技术创新能力评价中的应用[J].XX师X大学学报:
自然科学版,2006,23
(2):
75-89.
[6]韩芳艳,X孝友.XX市上市公司财务业绩评价—基于21家公司2007年财务数据的因子分析[J].XX三峡学院学报,2009,25
(2):
110-113.
[7]聂勇.因子分析在我国工业企业经济效益分析中的应用[J].XX文理学院学报:
自然科学版,2009,28
(1):
35-38.
[8]叶宗文.XX城镇居民消费结构变动的因子分析[J].XX师X大学学报:
自然科学版,2004,21(4):
71-73.
[9]刁英,王亚慧.基于因子分析的XX省各市经济发展状况分析[J].工业技术经济,2009,28(9):
116-119.
[10]陈超,邹滢.SPSS中文版常用功能与应用实例精讲[M].:
电子工业,2009:
316-317.
[11]王志勇,冯杰.基于灰色聚类的海上目标威胁等级评估[J].XX兵工学报,2009,30(3):
46-49.
[12]吕佳.基于动态隧道系统的K-means聚类算法研究[J].XX师X大学学报:
自然科学版,2009,26
(1):
73-77.
[13]李小亮,X新
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- SPSS 因子分析 成分 分析 论文