《应用多元统计分析》第七章因子分析实验报告
《应用多元统计分析》第七章因子分析实验报告
第七章因子分析实验报告实验项目
名称
因子分析的上机实现
实验
目的及要求
SPSS软件中factor analysis的计算机操作及结果分析，使学生能熟练应用计算机软件进行因子分析与结果分析，培养实际应用能力。
实验
内容
对企业经济效益体系的8项指标建立因子分析模型（附表数据）。这8项指标分别为：x1-固定资产利税率，x2-资金利税率，x3-销售收入利税率，x4-资金利润率，x5-固定资产利润
率，x6-资金周转天数，x7-万元产值能耗，x8-全员劳动生产率。
在分析过程中，提取因子的方法为“主成分”法，并以数据的“相关阵”为分析矩阵，并且提取3个因子，采用“最大方差旋转法”进行因子旋转。
（1）则这3个因子的累积方差贡献率为多少？
（2）请写出原始变量x1和x2的因子表达式；
（3）所提取的3个公共因子分别在8个指标中的哪些指标上有较大载荷？并据此说明所提取的公因子概括了企业的何种能力？
（4）分别写出因子得分表达式，并计算“大同”企业的综合因子得分。
实验步骤
实验环境
Windows xp、Windows vista、Windows 7等，软件SPSS 11.0版本及以上。
实验结果与
分析
1．选择菜单项Analyze→Data Reduction→Factor，。
2．打开Factor Analysis对话框，将原始变量“固定资产利税率”到“全员劳动生产率”移入Variables列表框中。如下图。
3、单击点击Extraction按钮，打开Extraction子对话框，如错误！未找到引用源。，设置有关因子提取的选项。如果选择相关系数矩阵，则表示首先对原始数据进行标准化，然后再进行因子分析；如果选择协方差矩阵，则表示直接对原始数据进行因子分析。这里我们选择默认的相关系数矩阵。因子碎石图其实就是样本协差阵的特征根按大小顺序排列的折线图，可以用来帮助确定提取多少个因子。提取的3个公共因子，所以我们在Mumber of factors 中输入3即可。
4．点击Rotation按钮，打开Rotation子对话框，如图7-4，设置有关因子旋转的选项。
这里我们在Method选项栏中选择Varimax(方差最大旋转)，并选择Display栏中的Rotated solution复选框。
5．点击Scores按钮，打开Factor Scores子对话框，如图7-5，设置有关因子得分的选项。
选中Display factor score coefficient matrix复选框，这样在结果输出窗口中会给出因子得分系数矩阵。
6、设置完成后返回点击OK键，会自动弹出所需内容。
结果
1、共同度Communalities
Initial
Extraction
固定资产利税率
1.000
.976
资金利税率
1.000
.968
销售收入利税率1.000
.862
资金利润率
1.000
.986
固定资产利润率1.000
.672
资金周转天数1.000
.906
万元产值能耗1.000
.773
全员劳动生产率
1.000
.824
上表给出了8个原始变量的变量共同度。变量共同度反映每个变量对提取出的所有公共因子的依赖程度。从错误！未找到引用源。来看，几乎所有的变量共同度都在40%甚至90%以上，说明提取的因子已经包含了原始变量的大部分信息，因子提取的效果比较理想。
2、碎石图
上图给出了因子的碎石图。图中横坐标为因子的序号，纵坐标为相应特征根的值。从图中可以看到，前3个因子的特征根普遍较高，连接成了陡峭的折线，而第4个因子之后的特征根普遍较低，连接成了平缓的折线，这进一步说明提取3因子是比较适当的。
3、旋转前的因子载荷
Component Matrixa Component
1
2
3
固定资产利税率
.955
.070
.240
资金利税率
.901
.381
-.110
销售收入利税率.858
-.013
.354
资金利润率
.928
.354
-.017
固定资产利润率.790
-.073
-.207
资金周转天数-.404
.809
.297
万元产值能耗-.648
.040
.593
全员劳动生产率.570
-.554
.438
3、旋转后的因子载荷Rotated Component Matrixa
Component
1
2
3
固定资产利税率
.815
.552
-.088
资金利税率
.974
.107
-.091
销售收入利税率.675
.636
-.039
资金利润率
.971
.202
-.057
固定资产利润率.660
.225
-.431
资金周转天数.032
-.376
.874
万元产值能耗-.608
.138
.620
全员劳动生产率.142
.857
-.264
上表给出了旋转后的因子载荷矩阵，根据该表可以写出每个原始变量的因子表达式：
固定资产利税率=0.815F1+0.552F2-0.088F3
资金利税率=0.974F1+0.107F2-0.091F3
销售收入利税率=0.675F1+0.636F2-0.039F3
资金利润率=0.971F1+0.107F2-0.057F3
固定资产利润率=0.660F1+0.225F2-0.431F3
资金周转天数=0.032F1-0.376F2+0.874F3
万元产值能耗=-0.608F1+0.138F2+0.620F3
全员劳动生产率=0.142F1+0.857F2-0.264F3
第一公共因子概括为获利能力，第二公共因子概括为偿债能力第三公共因子概括为企业效率能力。
4、因子得分系数矩阵Component Score Coefficient Matrix Component
1
2
3
固定资产利税率.159
.259
.160
资金利税率
.331
-.173
.068
销售收入利税率.091
.381
.208
资金利润率
.311
-.081
.122
固定资产利润率.139
-.075
-.248
资金周转天数.217
-.123
.696
万元产值能耗-.187
.429
.514
全员劳动生产率
-.195
.654
-.007
给出了因子得分系数矩阵，根据表中的因子得分系数和原始变量的标准化值就可以计算每个观测值的各因子的得分。本例中旋转后的因子得分表达式可以写成：
F1=0.159固定资产利税率+0.331资金利税率+0.091销售收入利税率+0.311资金利润率+0.139固定资产利润率+0.217资金周转天数-0.187万元产值能耗-0.195全员劳动生产率F2=0.259固定资产利税率-0.173资金利税率+0.381销售收入利税率-0.0.081资金利润率-0.075固定资产利润率-0.123资金周转天数+0.429万元产值能耗+0.654全员劳动生产率F3=0.160固定资产利税率+0.068资金利税率+0.208销售收
应用统计spss分析报告
应用统计spss分析报告
学生姓名：肖浩鑫学号：31407371 一、实验项目名称：实验报告（三） 二、实验目的和要求 （一）变量间关系的度量：包括绘制散点图，相关系数计算及显著性检验； （二）一元线性回归：包括一元线性回归模型及参数的最小二乘估计，回归方程的评价及显著性检验，利用回归方程进行估计和预测； （三）多元线性回归：包括多元线性回归模型及参数的最小二乘估计，回归方程的评价及显著性检验等，多重共线性问题与自变量选择，哑变量回归； 三、实验内容 1. 从某一行业中随机抽取12家企业，所得产量与生产费用的数据如下： 企业编号产量（台）生产费用（万元）企业编号产量（台）生产费用（万元） 1 40 130 7 84 165 2 42 150 8 100 170 3 50 155 9 116 167 4 5 5 140 10 125 180 5 65 150 11 130 175 6 78 154 12 140 185 （1）绘制产量与生产费用的散点图，判断二者之间的关系形态。 （2）计算产量与生产费用之间的线性相关系数，并对相关系数的显著性进行检验（），并说明二者之间的关系强度。
2. 下面是7个地区2000年的人均国内生产总值（GDP）和人均消费水平的统计数据： 地区人均GDP（元）人均消费水平（元） 北京22460 7326 辽宁11226 4490 上海34547 11546 江西4851 2396 河南5444 2208 贵州2662 1608 陕西4549 2035 （1）绘制散点图，并计算相关系数，说明二者之间的关系。 （2）人均GDP作自变量，人均消费水平作因变量，利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。 （3）计算判定系数和估计标准误差，并解释其意义。（4）检验回归方程线性关系的显著性（）（5）如果某地区的人均GDP为5000元，预测其人均消费水平。 （6）求人均GDP为5000元时，人均消费水平95%的置信区间和预测区间。 3. 随机抽取10家航空公司，对其最近一年的航班正点率和顾客投诉次数进行调查，数据如下：
SPSS因子分析实验报告.doc
实验十一（因子分析）报告 一、数据来源 各地区年平均收入.sav 二、基本结果 （1）考察原有变量是否适合进行因子分析 首先考察原有变量之间是否存在线性关系，是否采用因子分析提取因子。借助变量的相关系数矩阵、反映像相关矩阵、巴特利球度检验和KMO检验方法进行分析，结果如表1、表2所示： 表1原有变量相关系数矩阵 correlation matrix 表1显示原有变量的相关系数矩阵，可以看出大部分的相关系数都比较高，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2 KMO and Bartlett's Test 由表2可知，巴特利特球度检验统计量观测值为182.913，p值接近0，显著性差异，可以认为相关系数矩阵与单位阵有显著差异，同时KMO值为 0.882，根据Kaiser给出的KMO度量标准可知原有变量适合进行因子分析。 （2）提取因子 进行尝试性分析：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。具体结果见表3：可知，initial一列是因子分析 初始解下的共同度，表明如果对原有7个变量采用主成分分析法提取所有特征值，那么原有变量的所有方差都可以被解释，变量的共同度均为1。事实上，因子个数小于原有变量的个数才是因子分析的目的，所以不可以提取全部特征值。第二列表明港澳台经济单位、集体经济单位以及外商投资经济单位等变量的绝大部分信息（大于83%）可被因子解释。但联营经济、其他经济丢失较为严重。因此，本次因子提取的总体效果不理想。 表3因子分析中的变量共同度（一） 重新制定提取特征值的标准，指定提取2个因子，分析表4：可以看出，此时所有变量的共同度均较高，各个变量的信息丢失较少。因此，本次因子提取的总体效果比较理想。 表4因子分析的变量共同度（二）
应用多元统计分析习题解答_因子分析报告
第七章 因子分析 7.1 试述因子分析与主成分分析的联系与区别。 答：因子分析与主成分分析的联系是：①两种分析方法都是一种降维、简化数据的技术。②两种分析的求解过程是类似的，都是从一个协方差阵出发，利用特征值、特征向量求解。因子分析可以说是主成分分析的姐妹篇，将主成分分析向前推进一步便导致因子分析。因子分析也可以说成是主成分分析的逆问题。如果说主成分分析是将原指标综合、归纳，那么因子分析可以说是将原指标给予分解、演绎。 因子分析与主成分分析的主要区别是：主成分分析本质上是一种线性变换，将原始坐标变换到变异程度大的方向上为止，突出数据变异的方向，归纳重要信息。而因子分析是从显在变量去提炼潜在因子的过程。此外，主成分分析不需要构造分析模型而因子分析要构造因子模型。 7.2 因子分析主要可应用于哪些方面？ 答：因子分析是一种通过显在变量测评潜在变量，通过具体指标测评抽象因子的统计分析方法。目前因子分析在心理学、社会学、经济学等学科中都有重要的应用。具体来说，①因子分析可以用于分类。如用考试分数将学生的学习状况予以分类；用空气中各种成分的比例对空气的优劣予以分类等等②因子分析可以用于探索潜在因素。即是探索未能观察的或不能观测的的潜在因素是什么，起的作用如何等。对我们进一步研究与探讨指示方向。在社会调查分析中十分常用。③因子分析的另一个作用是用于时空分解。如研究几个不同地点的不同日期的气象状况，就用因子分析将时间因素引起的变化和空间因素引起的变化分离开来从而判断各自的影响和变化规律。 7.3 简述因子模型中载荷矩阵A 的统计意义。 答：对于因子模型 1122i i i ij j im m i X a F a F a F a F ε=++ ++ ++ 1,2, ,i p = 因子载荷阵为1112 121 22212 12 (,, ,)m m m p p pm a a a a a a A A A a a a ????? ?==?????? ? ?A i X 与j F 的协方差为： 1Cov(,)Cov(,)m i j ik k i j k X F a F F ε==+∑ =1 Cov( ,)Cov(,)m ik k j i j k a F F F ε=+∑ =ij a 若对i X 作标准化处理，=ij a ,因此 ij a 一方面表示i X 对j F 的依赖程度；另一方面也反映了
应用统计spss分析报告
学生姓名：肖浩鑫学号：31407371 一、实验项目名称：实验报告（三） 二、实验目的和要求 （一）变量间关系的度量：包括绘制散点图，相关系数计算及显著性检验； （二）一元线性回归：包括一元线性回归模型及参数的最小二乘估计，回归方程的评价及显著性检验，利用回归方程进行估计和预测； （三）多元线性回归：包括多元线性回归模型及参数的最小二乘估计，回归方程的评价及显著性检验等，多重共线性问题与自变量选择，哑变量回归； 三、实验内容 企业编号产量（台）生产费用（万元）企业编号产量（台）生产费用（万元） 1 40 130 7 84 165 2 42 150 8 100 170 3 50 155 9 116 167 4 5 5 140 10 125 180 5 65 150 11 130 175 6 78 154 12 140 185 （1）绘制产量与生产费用的散点图，判断二者之间的关系形态。 （2）计算产量与生产费用之间的线性相关系数，并对相关系数的显著性进行检验（），并说明二者之间的关系强度。 地区人均GDP（元）人均消费水平（元） 北京22460 7326 辽宁11226 4490 上海34547 11546 江西4851 2396 河南5444 2208 贵州2662 1608 陕西4549 2035
（1）绘制散点图，并计算相关系数，说明二者之间的关系。 （2）人均GDP作自变量，人均消费水平作因变量，利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。 （3）计算判定系数和估计标准误差，并解释其意义。 （4）检验回归方程线性关系的显著性（） （5）如果某地区的人均GDP为5000元，预测其人均消费水平。 （6）求人均GDP为5000元时，人均消费水平95%的置信区间和预测区间。 航空公司编号航班正点率（%）投诉次数（次） 1 81.8 21 2 76.6 58 3 76.6 85 4 75.7 68 5 73.8 74 6 72.2 93 7 71.2 72 8 70.8 122 9 91.4 18 10 68.5 125 （1）用航班正点率作自变量，顾客投诉次数作因变量，估计回归方程，并解释回归系数的意义。（2）检验回归系数的显著性（）。 （3）如果航班正点率为80%，估计顾客的投诉次数。 4. 某汽车生产商欲了解广告费用（x）对销售量（y）的影响，收集了过去12年的有关数据。通过计算得到下面的有关结果： 方差分析表 变差来源df SS MS F Significance F 回归 2.17E-09 残差40158.07 —— 总计11 1642866.67 ——— 参数估计表 Coefficients 标准误差t Stat P-value Intercept 363.6891 62.45529 5.823191 0.000168 X Variable 1 1.420211 0.071091 19.97749 2.17E-09 （1）完成上面的方差分析表。 （2）汽车销售量的变差中有多少是由于广告费用的变动引起的？
SPSS实验报告(一)
SPSS实验报告(一)
湖南涉外经济学院 实验报告 课程名称：应用统计软件分析（SPSS） 专业班级： 姓名 学号： 指导教师： 职称：副研究员 实验日期： 2016.4.19 成绩评定指导教 师 签字 签字 日期
学生实验报告实验序号 一、实验目的及要求 实验目的 通过本次实验，使学生熟练掌握转换菜单和数据菜单的具体功能及操作，熟练应用两个菜单中的计算变量、重新编码、选择个案、个案排序、分类汇总等几个主要过程 实验要求 能够根据相关要求选用正确的过程对变量或者文件进行管理和操作，得到结果，并能对得出的结果进行解释。 二、实验描述及实验过程 实验描述一、下载数据（以下情况选一种）： （一）分地区（31个省市区）环境污染治理投资数据（2014年） 环境污染治理投资总额(亿元)，城市环境基础设施建设投资额(亿元) ，城市燃气建设投资额(亿元) ，城市集中供热建设投资额(亿元)，城市排水建设投资额(亿元)，城市园林绿化建设投资额(亿元)，城市市容环境卫生建设投资额(亿元)
工业污染源治理投资(万元) 建设项目“三同时”环保投资额(亿元) （二）分地区（31个省市区）经济发展总体数据（2014年） 国民总收入，国内生产总值，第一产业增加值，第二产业增加值，第三产业增加值，人均国内生产总值，人口总量，城镇失业率，基尼系数等 (三)各省市房地产开发2014年相关数据 投资额，房地产开发企业个数，从业人员数，收入，税金，利润，资产，负债，平均销售价格，等等。 （四）各省市科技2014年相关数据 包括GDP，研发投入，研发投入强度（研发投入/GDP），R&D研发人员，专利授权数，发明专利授权量。 （五）查找相关行业（钢铁行业、水泥行业、医药制造、工程机械、汽车制造业、旅游酒店行业、航空、电子商务企业等）上市公司2015年度数据。包括销售收入、利润、固定资产净值、总资产利润率、营业利润率、销售净利率、净资产收益率、流动比率、资产负债率、主营业务收入增长率、营收账款周转率、存货周转
《电路分析基础》作业参考解答
《电路分析基础》作业参考解答 第一章（P26-31） 1-5 试求题1-5图中各电路中电压源、电流源及电阻的功率（须说明是吸收还是发出）。 （a ）解：标注电压如图（a ）所示。 由KVL 有 故电压源的功率为 W P 302151-=?-=（发出） 电流源的功率为 W U P 105222=?=?=（吸收） 电阻的功率为 W P 20452523=?=?=（吸收） （b ）解：标注电流如图（b ）所示。 由欧姆定律及KCL 有 A I 35 152==，A I I 123221=-=-= 故电压源的功率为 W I P 151151511-=?-=?-=（发出） 电流源的功率为 W P 302152-=?-=（发出） 电阻的功率为 W I P 459535522 23=?=?=?=（吸收） 1-8 试求题1-8图中各电路的电压U ，并分别讨论其功率平衡。 （b ）解：标注电流如图（b ）所示。 由KCL 有 故 由于电流源的功率为 电阻的功率为 外电路的功率为 且 所以电路的功率是平衡的，及电路发出的功率之和等于吸收功率之和。 1-10 电路如题1-10图所示，试求： （1）图（a ）中，1i 与ab u ； 解：如下图（a ）所示。 因为 所以 1-19 试求题1-19图所示电路中控制量1I 及电压0U 。 解：如图题1-19图所示。 由KVL 及KCL 有 整理得 解得mA A I 510531=?=-，V U 150=。
题1-19图 补充题： 1. 如图1所示电路，已知 ， ，求电阻R 。 图1 解：由题得 因为 所以 2. 如图2所示电路，求电路中的I 、R 和s U 。 图2 解：用KCL 标注各支路电流且标注回路绕行方向如图2所示。 由KVL 有 解得A I 5.0=，Ω=34R 。 故 第二章（P47-51） 2-4 求题2-4图所示各电路的等效电阻ab R ，其中Ω==121R R ，Ω==243R R ，Ω=45R ，S G G 121==， Ω=2R 。 解：如图（a ）所示。显然，4R 被短路，1R 、2R 和3R 形成并联，再与5R 串联。 如图（c ）所示。 将原电路改画成右边的电桥电路。由于Ω==23241R R R R ，所以该电路是一个平衡电桥，不管开关S 是否闭合，其所在支路均无电流流过，该支路既可开路也可短路。 故 或 如图（f ）所示。 将原电路中上边和中间的两个Y 形电路变换为?形电路，其结果如下图所示。 由此可得 2-8 求题2-8图所示各电路中对角线电压U 及总电压ab U 。 题2-8图 解：方法1。将原电路中左边的?形电路变换成Y 形电路，如下图所示： 由并联电路的分流公式可得 A I 14 12441=+?=，A I I 314412=-=-= 故 方法2。将原电路中右边的?形电路变换成Y 形电路，如下图所示： 由并联电路的分流公式可得 A I 2.16 14461=+?=，A I I 8.22.14412=-=-= 故 2-11 利用电源的等效变换，求题2-11图所示各电路的电流i 。 题2-11图 解：电源等效变换的结果如上图所示。 由此可得 V U AB 16=A I 3 2=
因子分析实验报告
因子分析实验报告 姓名：学号：班级： 一：实验目的 1.了解因子分析的基本原理及在spss中的实现过程。 2.体会运用因子分析方法对经济问题进行分析与评价的过程。 二：实验原理 因子分析得基本思想是根据相关性的大小把原始变量分组，使得同组内的变量之间相关性较高，而不同组变量间的相关性则较低，每组变量代表一个基本结构，并用一个不可观测的综合变量来表示。其模型为： x1=u1+a11f1+a12f2+a13f3…..a1m f m+e1 x2=u2+a21f1+a22f2+a23f3…..a2m f m+e2 x3=u3+a31f1+a32f2+a33f3…..a3m f m+e3 x p=u p+a p1f1+a p2f2+a p3f3…..a pm f m+e p 矩阵表示：x=u+A f+e 假设：E(f)=0; E(e)=0; V(f)=I; V(e)=D=diag(,…..); Cov(f,e)=E(fe T)=0. 其中：（x 1,x 2 ,x 3 (x) m ）T为P维可观测随机变量； u=（u 1,u 2 ,u 3 ….u m ）T为可观测变量的均值； 为协方差矩阵； f=（f 1,f 2 ,f 3 ….f m ）T为公因子向量； e=（e 1,e 2 ,e 3 …..e m ）T为特殊因子向量； A=（a ij ）p*m为因子载荷矩阵。 三：因子分析步骤 (1)对数据样本进行标准化处理。 (2)计算样本的相关矩阵R。 (3)求相关矩阵R的特征根和特征向量。 (4)根据系统要求的累积贡献率确定主因子的个数。 (5)计算因子载荷矩阵A。 (6)确定因子模型。 (7)根据上述计算结果，对系统进行分析。
spss的数据分析报告
Gender Educational Level (years)N Valid 474474Missing 00关于某公司474名职工综合状况的统计分析报告 1、 数据介绍： 本次分析的数据为某公司474名职工状况统计表，其中共包含十一变量，分别是：id （职工编号），gender(性别)，bdate(出生日期)，edcu （受教育水平程度），jobcat （职务等级），salbegin （起始工 资），salary （现工资），jobtime(本单位工作经历<月>)，prevexp(以前工作经历<月>)，minority(民族类型)，age(年龄)。通过运用spss 统计软件，对变量进行频数分析、描述性统计、方差分析、相关分析、。。。以了解该公司职工上述方面的综合状况，并分析个变量的分布特点及相互间的关系。2、 数据分析 1、 频数分析。基本的统计分析往往从频数分析开始。通过频数分析 能够了解变量的取值状况，对把握数据的分布特征非常有用。此次分析利用了某公司474名职工基本状况的统计数据表，在gender(性别)、edcu （受教育水平程度）、不同的状况下的频数分析，从而了解该公司职工的男女职工数量、受教育状况的基本分布。 Statistics 首先，对该公司的男女 性别分布进行频数分析，结果如下： Gender FrequencyPercent Valid Percent Cumulative Percent Valid Female 21645.645.645.6 Male 258 54.4 54.4 100.0 Total 474100.0100.0 上表说明，在该公司的474名职工中，有216名女性，258名男性，男女比例分别为45.6%和54.4%，该公司职工男女数量差距不大，男性略多于女性。 其次对原有数据中的受教育程度进行频数分析，结果如下表 ： Educational Level (years) Valid Cumulative
多元统计学SPSS实验报告一
华东理工大学2016–2017学年第二学期 《多元统计学》实验报告 实验名 称实验1数据整理与描述统计分析
教师批阅：实验成绩： 教师签名: 日期： 实验报告正文： 实验数据整理 (一)对“employee”进行数据整理 1.观察量排序 ( based on current salary） 2.变量值排序（based on current salary : rsalary） 3.计算新的变量（incremental salary=current salary - beginning salary）
4.拆分数据文件（based on gender） 结论：There are 215 female employees and 259 male employees. 5.分类汇总 (break variable: gender ; function: mean ) 结论：The average current salary of female is . The average current salary of male is . （二）分别给出三种工作类别的薪水的描述统计量 实验描述统计分析 1)样本均值矩阵 结论：总共分析六组变量，每组含有十个样本。 每股收益（X1）的均值为；净资产收益率（X2）的均值为；总资产报酬率（X3）的均值为；销售净
利率（X4）的均值为；主营业务增长率（X5）的均值为；净利润增长率（X6）的均值为. 2）协方差阵 结论：矩阵共六行六列，显示了每股收益（X1）、净资产收益率（X2）、总资产报酬率（X3）、销售净利率（X4）、主营业务增长率（X5）和净利润增长率（X6）的协方差。 3）相关系数 结论：矩阵共六行六列，显示了每股收益 （X1）、净资产收益率（X2）、总资产报酬 率（X3）、销售净利率（X4）、主营业务增 长率（X5）和净利润增长率（X6）之间的 相关系数。 每格中三行分别显示了相关系数、显著性 检验与样本个数。 4）矩阵散点图
主成分分析、因子分析实验报告--SPSS
对2009年我国88个房地产上市公司的因子分析 分析结果： 表1 KMO 和 Bartlett 的检验 取样足够度的 Kaiser-Meyer-Olkin 度量。.637 Bartlett 的球形度检验近似卡方398.287 df 45 Sig. .000 由表1可知，巴特利特球度检验统计量的观测值为398.287，相应的概率p值接近0，小于显著性水平 (取0.05)，所以应拒绝原假设，认为相关系数矩阵与单位矩阵有显著差异。同时，KMO值为0.637，根据Kaiser给出的KMO度量标准(0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.6表示不太适合；0.5以下表示极不适合)可知原有变量不算特别适合进行因子分析。 表2 公因子方差 初始提取市盈率 1.000 .706 净资产收益率 1.000 .609 总资产报酬率 1.000 .822 毛利率 1.000 .280 资产现金率 1.000 .731 应收应付比 1.000 .561 营业利润占比 1.000 .782 流通市值 1.000 .957 总市值 1.000 .928 成交量（手） 1.000 .858 提取方法：主成份分析。 表2为公因子方差，即因子分析的初始解，显示了所有变量的共同度数据。第一列是因子分析初始解下的变量共同度，它表明，对原有10个变量如果采用主成分分析方法提取所有特征根(10个)，那么原有变量的所有方差都可被解释，变量的共同度均为1(原有变量标准化后的方差为1)。事实上，因子个数小于原有变量的个数才是因子分析的目标，所以不可提取全部特征根；第二列是在按指定提取条件(这里为特征根大于1)提取特征根时的共同度。可以看到，总资产报酬率、成交量、流
spss统计分析报告
计算机与信息技术学院专业实习报告 学校：商丘师范学院 专业：信息管理与信息系统年级：2012 姓名：亚慧 学号：121112015 时间：2015.09
《统计分析与SPSS的应用》 实习报告 专业实习题目：数据处理与分析 一．实习目的 1.初步了解探索数据分析的基本方法和思路 2.掌握问题的研究思路及方法 3.掌握统计分析软件实现这些方法的步骤和原理 4.熟悉SPSS操作系统，掌握数据管理界面的简单的操作； 5.熟悉SPSS结果窗口的常用操作方法，掌握输出结果在文字处理软件中的使用方法。 6.掌握常用统计图（线图、条形图、饼图、散点、直方图等）的绘制方法；熟悉描述性统计图的绘制方法； 7.熟悉描述性统计图的一般编辑方法。掌握相关分析的操作，对显著性水平的基本简单判断。二．实习要求 1.遵守学校实习纪律和学校的各项规章制度 2.服从领导和指导老师的实习安排、虚心接受指导老师的安排 3.不得冒名顶替，否则严肃处理 4.按时上下课，不得缺席 5.掌握SPSS软件的基本操作、数据分析的基本功能和基本步骤 6.掌握对SPSS所分析的各项数据的理解、数据分析的基本方法和思路 7.掌握工作中如何进行数据的收集、整理以及统计分析报告的撰写的方法。 8.掌握相关关系的含义，并准确应用,熟练掌握绘制散点图的具体操作 9.掌握线性回归分析的主要目标、及具体操作。 三．实习任务 (一）下列表为数据处理所有表格和数据 信管12-1成绩表 学号性别计算机 网络 管理信 息系统 统计 学 市场营 销学 现代管 理学 运筹学 信息资 源管理 英语上 学期 英语 下学 期 大三 综合 成绩 121112001 女82.00 90.00 79.00 82.00 84.00 85.30 81.00 74 75 89.5
统计学原理SPSS实验报告
实验一：用SPSS绘制统计图 实验目的：掌握基本的统计学理论，使用SPSS实现基本统计功能（绘制统计图） 对SPSS的理解：它是一款社会科学统计软件包，同时也广泛应用于经济，金融，商业等各个领域，基本功能包括数据管理，统计分析，图表分析，输出管理等。 实验算法：掌握SPSS的基本输入输出方法，并用SPSS绘制相应的统计图（例如：直方图，曲线图，散点图，饼形图等） 操作过程： 步骤1：启动SPSS。单击Windows 的[开始]按钮（如图1-1所示），在[程序]菜单项[SPSS for Windows]中找到[SPSS 13.0 for Windows]并单击，得到如图1-2所示选择数据源界面。 图1-1 启动SPSS
图1-2 选择数据源界面 步骤2 ：打开一个空白的SPSS数据文件，如图1-3。启动SPSS 后，出现SPSS 主界面（数据编辑器）。同大多数Windows 程序一样，SPSS 是以菜单驱动的。多数功能通过从菜单中选择完成。
图1-3 空白的SPSS数据文件 步骤3：数据的输入。打开SPSS以后，直接进入变量视图窗口。SPSS的变量视图窗口分为data view和variable view两个。先在variable view中定义变量，然后在data view里面直接输入自定义数据。命名为mydata并保存在桌面。如图1-4所示。 图1-4 数据的输入 步骤4：调用Graphs菜单的Bar过程，绘制直条图。直条图用直条的长短来表示非连续性资料（该资料可以是绝对数，也可以是相对数）的数量大小。选择的数据源见表1。 步骤5：数据准备。激活数据管理窗口，定义变量名：年龄标化发生率为RATE，冠心病临床型为DISEASE，血压状态为BP。RATE按原数据输入，DISEASE按冠状动脉机能不全=1、猝死=2、心绞痛=3、心肌梗塞=4输入，BP按正常=1、临界=2、异常=3输入。
SPSS相关分析实验报告
SPSS相关分析实验报告 篇一：spss对数据进行相关性分析实验报告 实验一 一.实验目的 掌握用spss软件对数据进行相关性分析，熟悉其操作过程，并能分析其结果。 二.实验原理 相关性分析是考察两个变量之间线性关系的一种统计分析方法。更精确地说，当一个变量发生变化时，另一个变量如何变化，此时就需要通过计算相关系数来做深入的定量考察。P值是针对原假设H0：假设两变量无线性相关而言的。一般假设检验的显著性水平为0.05，你只需要拿p值和0.05进行比较：如果p值小于0.05，就拒绝原假设H0，说明两变量有线性相关的关系，他们无线性相关的可能性小于0.05；如果大于0.05，则一般认为无线性相关关系，至于相关的程度则要看相关系数R值，r越大，说明越相关。越小，则相关程度越低。而偏相关分析是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间相关程度的过程，其检验过程与相关分析相似。 三、实验内容 掌握使用spss软件对数据进行相关性分析，从变量之间的相关关系，寻求与人均食品支出密切相关的因素。 (1)检验人均食品支出与粮价和人均收入之间的相关关系。
a.打开spss软件，输入“回归人均食品支出”数据。 b.在spssd的菜单栏中选择点击，弹出一个对话窗口。 C.在对话窗口中点击ok,系统输出结果，如下表。 从表中可以看出，人均食品支出与人均收入之间的相关系数为0.921，t检验的显著性概率为0.0000.01，拒绝零假设，表明两个变量之间显著相关。人均食品支出与粮食平均单价之间的相关系数为0.730，t检验的显著性概率为0.0000.01，拒绝零假设，表明两个变量之间也显著相关。 (2)研究人均食品支出与人均收入之间的偏相关关系。 读入数据后： A.点击系统弹出一个对话窗口。 B.点击OK，系统输出结果，如下表。 从表中可以看出，人均食品支出与人均收入的偏相关系数为0.8665，显著性概率p=0.0000.01，说明在剔除了粮食单价的影响后，人均食品支出与人均收入依然有显著性关系，并且0.86650.921，说明它们之间的显著性关系稍有减弱。通过相关关系与偏相关关系的比较可以得知：在粮价的影响下，人均收入对人均食品支出的影响更大。 三、实验总结 1、熟悉了用spss软件对数据进行相关性分析，熟悉其操作过程。 2、通过spss软件输出的数据结果并能够分析其相互之间的关系，并且解决实际问题。 3、充分理解了相关性分析的应用原理。
应用统计spss分析报告
应用统计s p s s分析报 告 TYYGROUP system office room 【TYYUA16H-TYY-TYYYUA8Q8-
学生姓名：肖浩鑫学号： 一、实验项目名称：实验报告（三） 二、实验目的和要求 （一）变量间关系的度量：包括绘制散点图，相关系数计算及显着性检验； （二）一元线性回归：包括一元线性回归模型及参数的最小二乘估计，回归方程的评价及显着性检验，利用回归方程进行估计和预测； （三）多元线性回归：包括多元线性回归模型及参数的最小二乘估计，回归方程的评价及显着性检验等，多重共线性问题与自变量选择，哑变量回归； 三、实验内容 企业编号产量（台）生产费用（万 元）企业编号产量（台）生产费用（万 元） 1 40 130 7 84 165 2 42 150 8 100 170 3 50 155 9 116 167 4 5 5 140 10 125 180 5 65 150 11 130 175 6 78 154 12 140 185 （2）计算产量与生产费用之间的线性相关系数，并对相关系数的显着性进行检验（），并说明二者之间的关系强度。 2. 下面是7个地区2000年的人均国内生产总值（GDP）和人均消费水平的统计数 地区人均GDP（元）人均消费水平（元） 北京22460 7326 辽宁11226 4490 上海34547 11546 江西4851 2396 河南5444 2208 贵州2662 1608 陕西4549 2035 （2）人均GDP作自变量，人均消费水平作因变量，利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。
（3）计算判定系数和估计标准误差，并解释其意义。 （4）检验回归方程线性关系的显着性（） （5）如果某地区的人均GDP为5000元，预测其人均消费水平。 （6）求人均GDP为5000元时，人均消费水平95%的置信区间和预测区间。 3. 随机抽取10家航空公司，对其最近一年的航班正点率和顾客投诉次数进行调查， 航空公司编号航班正点率（%）投诉次数（次） 1 21 2 58 3 85 4 68 5 74 6 93 7 72 8 122 9 18 10 125 系数的意义。 （2）检验回归系数的显着性（）。 （3）如果航班正点率为80%，估计顾客的投诉次数。 4. 某汽车生产商欲了解广告费用（x）对销售量（y）的影响，收集了过去12年的有关数据。通过计算得到下面的有关结果： 变差来源df SS MS F Significance F 回归 残差—— 总计11——— Coefficients标准误差t Stat P-value Intercept X Variable 1 （2）汽车销售量的变差中有多少是由于广告费用的变动引起的？ （3）销售量与广告费用之间的相关系数是多少？ （4）写出估计的回归方程并解释回归系数的实际意义。 （5）检验线性关系的显着性（a＝）。 5. 随机抽取7家超市，得到其广告费支出和销售额数据如下
因子分析实验报告
电子科技大学政治与公共管理学院本科教学实验报告 （实验）课程名称：数据分析技术系列实验 电子科技大学教务处制表
电子科技大学 实验报告 学生姓名：刘晨飞学号：27 指导教师：高天鹏 一、实验室名称：电子政务可视化实验室 二、实验项目名称：因子分析 三、实验原理 使用SPSS软件的因子分析对数据样本进行分析 相关分析的原理： 步骤一：将原始数据标准化。 因子分析的第一步是主成分分析，将总量较多的因素通过线性组合的方式组合成几个因素，且这些因素之间相互独立。 步骤二：建立变量的相关系数矩阵R Analyse->Dimention Ruduction-> Fctor ->Extraction->勾选Correlation matrix可以输出相关系数矩阵，相关系数矩阵计算了变量之间两两的pearson相关系数。 步骤三：适用性检验 使用Bartlett球形检验或者KMO球形检验来检验样本是否适合进行因子分析。 评价标准： KMO检验用于检验变量间的偏相关系数是否过小，一般情况下，当KMO大于0.9时效果最佳，小于0.5时不适宜做因子分析。 Bartlett球形检验用于检验相关系数矩阵是否是单位阵，如果结论是不拒绝该假设，则表示各个变量都是各自独立的。 步骤四：根据因子贡献率选取因子，特征值和特征向量构建因子载荷矩阵A。 处于简化和抽取核心的思想，一般会按照某种标准选取前几个对观测结果影响较大的因素构建因子载荷矩阵，一般的标准是选取特征根大于1的因子。并要求累积贡献率达到90%以上。 步骤五：对A进行因子旋转
因子旋转的目的是使因子载荷矩阵的结构发生变化，使每个变量仅在一个因子上有较大载荷。是将因子矩阵在一个空间里投影，使单个向量的投影在仅在一个变量的方向有较大的值，这样做可以简化分析。 步骤六：计算因子得分： 计算因子得分是计算在不同样本水平下观测指标的水平的方式。计算因子得分需要用到因子得分计算函数，这个计算的结果是无量纲的，仅表示各因子在这个水平下观测指标的值，这也是因子分析的目标，将不可观测的目标观测量用一个函数与可以观测的变量联系起来。 四、实验目的 理解因子分析的含义，以及数学原理，掌握使用spss进行因子分析的方法，并能对spss因子分析产生的输出结果进行分析。 五、实验内容及步骤 本次实验包含两个例子： 实验步骤： (0) 问题描述 实验一题目要求：对我国主要城市的市政基础设施情况进行因子分析。 实验二题目要求：主要城市日照数sav为例,其中的变量包括城市的名称“city”、各个月份的日照数 (1)实验二步骤：执行analyze->dimention reduction->factor->rotation如下勾选
第七章 因子分析
思考与练习 7.1试述因子分析与主成分分析的联系与区别。 7.2因子分析主要可应用于哪些方面？ 7.3 简述因子模型X AY ε=+中载荷矩阵的统计意义。 A 7.4 在进行因子分析时，为什么要进行因子旋转？最大方差因子旋转的基本思路是什么？ 7.5 试析因子分析模型与线形回归模型的区别与联系。 7.6 设某客观现象可用123(,,)X x x x ′=来描述，在因子分析时，从约相关阵出发计算出特征值为 123,1,0.2551.754λλλ===。由于 ，所以找前两个特征值所对应的公共因子即 可，又知()(1 2 1 2 3 /λλλλλ+++12,)85%≥λλ()0,0.899,0.447对应的正则化特征向量分别为()及 0.707,0.316,0?.632′′，要求： ⑴ 计算因子载荷矩阵A，并建立因子模型。 ⑵ 计算共同度()2 1,2,3i h i =。 ⑶ 计算第一公共因子对X 的“贡献” 。 7.7 利用因子分析方法分析下列30个学生成绩的因子构成，并分析各个学生较适合学文科还是理科。 序号 数学 物理 化学 语文 历史 英语 1 65 61 72 84 81 79 2 77 77 76 64 70 55 3 67 63 49 65 67 57 4 80 69 75 74 74 63 5 74 70 80 84 81 74 6 78 84 75 62 71 64 7 66 71 67 52 65 57 8 77 71 57 72 86 71 9 83 100 79 41 67 50 10 86 94 97 51 63 55 11 74 80 88 64 73 66 12 67 84 53 58 66 56 13 81 62 69 56 66 52 14 71 64 94 52 61 52 15 78 96 81 80 89 76 16 69 56 67 75 94 80 17 77 90 80 68 66 60 1
spss统计分析报告
目录 一、研究背景及其意义 (3) 二、研究方案 (3) 研究目标 (3) 研究内容 (4) 研究方法 (4) 三、科学技术与经济发展的关系分析 (4) 科技投入 (4) 科技产出 (5) 经济发展 (7) 小结 (7) 四、科学技术与经济发展的模型分析 (8) 模型假设 (8) 符号说明 (8) 信度与相关性分析 (8) 因子分析 (9)
回归分析 (10) 五、结论 (13) 附录： (14) 科学技术与经济发展的关系 一、研究背景及其意义 十九大报告指出：创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。要瞄准世界科技前沿，强化基础研究，实现前瞻性基础研究、引领性原创成果重大突破。加强应用基础研究，拓展实施国家重大科技项目，突出关键共性技术、前沿引领技术、现代工程技术、颠覆性技术创新，为建设科技强国、质量强国、航天强国、网络强国、交通强国、数字中国、智慧社会提供有力支撑。加强国家创新体系建设，强化战略科技力量。深化科技体制改革，建立以企业为主体、市场为导向、产学研深度融合的技术创新体系，加强对中小企业创新的支持，促进科技成果转化。倡导创新文化，强化知识产权创造、保护、运用。培养造就一大批具有国际水平的战略科技人才、科技领军人才、青年科技人才和高水平创新团队。 而科技作为创新的重要引领者和实践者，对于建设创新型国家起着重要作用。科技进步是经济发展与社会发展的强大推动力。邓小平同志曾指出；＂科学技术是第一生产力＂；江泽民同志也曾指出：＂科学技术是第一生产力，而且是先进生产力的集中体现和主要标志。科学技术的突飞猛进，给世界生产力和人类经济发展带来了极大的推动，未来的科学发展还将产生新的重大飞跃＂。在当今这个信息化和全球化加速的时代，科技进步对经济社会发展的促进作用越来越显着，科技进步成为生产力水平的首要决定因素，是国家或区域竞争力的重要源泉。近年来，随着我国经济增长方式的转变，科技支撑和引领经济社会发展的作用越来越强，无论是国家还是区域都需要通过依靠科技进步来促进经济社会发展。科技进步考核有效地促进了科教兴国、可持续发展和人才强国战略的落实，使科技促进经济杜会发展的能力逐步提升。
spss实验报告最终版本
实验课程专业统计软件应用 上课时间2012 学年 1 学期15 周（2012 年12 月18日—28 日） 学生姓名李艳学号2010211587 班级0331002 所在学院经济管 上课地点经管3 楼指导教师胡大权理学院
实验内容写作 第六章 一实验目的 1、理解方差分析的基本概念 2、学会常用的方差分析方法 二实验内容 实验原理：方差分析的基本原理是认为不同处理组的均值间的差别基本来源有两个：随机误差，如测 量误差造成的差异或个体间的差异，称为组内差异 根据老师的讲解和课本的习题完成思考与练习的5、6、7、8题。 第5题：为了寻求适应某地区的高产油菜品种，今选5个品种进行试验，每一种在4块条件完全相同的试验田上试种，其他施肥等田间管理措施完全一样。表 6.20所示为每一品种下每一块田的亩产量，根 据这些数据分析不同品种油菜的平均产量在显著水平0.05下有无显著性差异。 第一步分析 由于考虑的是控制变量对另一个观测变量的影响，而且是5个品种，所以不宜采用独立样本T检验，应该采用单因素方差分析。 第二步数据的组织 从实验材料中直接导入数据 第三步方差相等的齐性检验 由于方差分析的前提是各水平下的总体服从方差相等的正态分布，而且各组的方差具有齐性，其中正 态分布的要求并不是非常严格，但是对于方差相等的要求还是比较严格的，因此必须对方差相等的前提进 行检验。
第四步多重比较分析 通过上面的步骤，只能判断不同的施肥等田间操作效果是否有显著性差异，如果要想进一步了解究竟那 个品种与其他的有显著性均值差别等细节问题，就需要单击上图中的两两比较按钮。 第五步运行结果及分析 多重比较结果表：从该表可以看出分别对几个不同的品种进行的两两比较。最后我们可以得出结论第4品种是最好的。其他的次之。 第6题：某公司希望检测四种类型类型轮胎A,B,C,D的寿命，如表 6.21所示。其中每种轮胎应用在随选择的6种汽车上，在显著性水平0.05下判断不同类型轮胎的寿命间是否存在显著性差异。 第一步分析 由于考虑的是一个控制变量对另一个控制变量的影响，而且是4种轮胎，所以不宜采用独立样本T 检验，应该采用单因素方差分析。 第二步数据的组织 从实验材料中直接导入数据。 第三步方差相等的齐性检验 由于方差分析的前提是各水平下的总体服从方差相等的正态分布，而且各组的方差具有齐性，其中正态分 布的要求并不是非常严格，但是对于方差相等的要求还是比较严格的，因此必须对方差相等的前提进行检 验。选择菜单“分析”—均值比较—单因素ANOVA。
《应用多元统计分析》第七章因子分析实验报告
《应用多元统计分析》第七章因子分析实验报告 第七章因子分析实验报告实验项目 名称 因子分析的上机实现 实验 目的及要求 SPSS软件中factor analysis的计算机操作及结果分析，使学生能熟练应用计算机软件进行因子分析与结果分析，培养实际应用能力。 实验 内容 对企业经济效益体系的8项指标建立因子分析模型（附表数据）。这8项指标分别为：x1-固定资产利税率，x2-资金利税率，x3-销售收入利税率，x4-资金利润率，x5-固定资产利润
率，x6-资金周转天数，x7-万元产值能耗，x8-全员劳动生产率。 在分析过程中，提取因子的方法为“主成分”法，并以数据的“相关阵”为分析矩阵，并且提取3个因子，采用“最大方差旋转法”进行因子旋转。 （1）则这3个因子的累积方差贡献率为多少？ （2）请写出原始变量x1和x2的因子表达式； （3）所提取的3个公共因子分别在8个指标中的哪些指标上有较大载荷？并据此说明所提取的公因子概括了企业的何种能力？ （4）分别写出因子得分表达式，并计算“大同”企业的综合因子得分。 实验步骤 实验环境
Windows xp、Windows vista、Windows 7等，软件SPSS 11.0版本及以上。 实验结果与 分析 1．选择菜单项Analyze→Data Reduction→Factor，。 2．打开Factor Analysis对话框，将原始变量“固定资产利税率”到“全员劳动生产率”移入Variables列表框中。如下图。 3、单击点击Extraction按钮，打开Extraction子对话框，如错误！未找到引用源。，设置有关因子提取的选项。如果选择相关系数矩阵，则表示首先对原始数据进行标准化，然后再进行因子分析；如果选择协方差矩阵，则表示直接对原始数据进行因子分析。这里我们选择默认的相关系数矩阵。因子碎石图其实就是样本协差阵的特征根按大小顺序排列的折线图，可以用来帮助确定提取多少个因子。提取的3个公共因子，所以我们在Mumber of factors 中输入3即可。 4．点击Rotation按钮，打开Rotation子对话框，如图7-4，设置有关因子旋转的选项。