spss因子分析实例
SPSS因子分析报告实例操作步骤
SPSS因子分析实例操作步骤实验目的:引入2003~2013年全国的农、林、牧、渔业,采矿业,制造业电力、热力、燃气及水生产与供应业,建筑业,批发与零售业,交通运输、仓储与邮政业7个产业的投资值作为变量,来研究其对全国总固定投资的影响。
实验变量:以年份,合计(单位:千亿元),农、林、牧、渔业,采矿业,制造业电力、热力、燃气及水生产与供应业,建筑业,批发与零售业,交通运输、仓储与邮政业作为变量。
实验方法:因子分析法软件:spss19、0操作过程:第一步:导入Excel数据文件1.open data document——open data——open;2、 Opening excel data source——OK、第二步:1、数据标准化:在最上面菜单里面选中Analyze——Descriptive Statistics——OK (变量选择除年份、合计以外的所有变量)、2.降维:在最上面菜单里面选中Analyze——Dimension Reduction——Factor ,变量选择标准化后的数据、3.点击右侧Descriptive,勾选Correlation Matrix选项组中的Coefficients与KMO and Bartlett’s text of sphericity,点击Continue、4、点击右侧Extraction,勾选Scree Plot与fixed number with factors,默认3个,点击Continue、5、点击右侧Rotation,勾选Method选项组中的Varimax;勾选Display选项组中的Loding Plot(s);点击Continue、6、点击右侧Scores,勾选Method选项组中的Regression;勾选Display factor score coefficient matrix;点击Continue、7、点击右侧Options,勾选Coefficient Display Format选项组中所有选项,将Absolute value blow改为0、60,点击Continue、8、返回主对话框,单击OK、输出结果分析:1、描述性统计量Descriptive StatisticsN Minimum Maximum Mean Std、 Deviation农、林、牧、渔业11 3、27 9、73 7、6645 1、97515采矿业11 、6 9、5 5、008 2、7092制造业11 、44 7、07 2、6900 2、2240511 3、36 15、05 10、3545 3、22751电力、热力、燃气及水生产与供应业建筑业11 1、79 23、51 7、8955 6、18302批发与零售业11 2、10 18、52 9、1018 5、50553交通运输、仓储与邮政业11 、82 8、39 2、7891 2、20903Valid N (listwise) 11该表提供分析过程中包含的统计量,表格显示了样本容量以及11个变量的最小值、最大值、平均值、标准差。
如何利用SPSS做因子分析等分析(仅供参考)
我就以我的数据为例来做示范，仅供参考一、信度分析（即可靠度分析）1.分析——度量——可靠度分析图 12.然后就会弹出上图1的框框。
在这里，你可以对所有的问题进行可靠度分析，如果是这样，那你只需要选中所有的问题到右边这个白色的框框，然后点击“统计量”，按照右边这个图进行打钩。
然后点“继续”。
之后就点“确定”图2 3.接着去“输出1”这个框看分析结果，你就会看到很多分析结果，其中有一个就是右图，那第一个0.808就是你所选择进行分析的数据的信度。
如果你想把每一个维度的数据进行独立的信度分析，那道理也是一样的。
二、因子分析在做因子分析之前首先要判断这些数据是否适合做因子分析，那这里就需要进行效度检验，不过总共效度检验是和因子分析的操作同步的，意思就是说你在做因子分析的时候也可以做效度检验。
具体示范如下：1.分析——降维——因子分析图 2一般来说，咱们做因子分析的时候是为了把那些具有共同属性的因子归类成一类，说的简单点就是要验证咱们所选取的每一个维度下面的题目是属于这个维度，而非其他维度的。
那一般来说，因子分析做出来的结果就是你原本有几个维度，最终分析结果就会归类成几个公因子。
2.一般来说，自变量的题目和因变量的题目是要独立分析的。
我的课题是“店面形象对顾客购买意愿的影响”那自变量就是店面形象的那些维度，因变量就是顾客购买意愿。
3.将要做分析的题目选择到右边的白框之后，就如下图打钩：“抽取”和“选项”两个不用管他。
然后就点“确定”4.按照上述步骤操作下来之后，就可以去“输出1”看分析结果。
首先看效度检验的结果：这里要看第一行和最后一行的数据，第一行数据为0.756，表明效度较高，sig为0.000，这两个结果显示这份数据完全可以做因子分析。
那就去看因子分析的结果。
5.看下面这张图，看“初始特征值”这一项下面的“合计”的数值，有几个数据是>1，那就表明此次因子分析共提取了几个公因子。
下图所示，有5个数据是>1，这表明可以提取5个公因子。
SPSS因子分析实例操作步骤
SPSS因子分析实例操作步骤实验目的：引入2003~2013年全国的农、林、牧、渔业，采矿业，制造业电力、热力、燃气及水生产和供应业，建筑业，批发和零售业，交通运输、仓储和邮政业7个产业的投资值作为变量，来研究其对全国总固定投资的影响。
实验变量：以年份，合计（单位：千亿元），农、林、牧、渔业，采矿业，制造业电力、热力、燃气及水生产和供应业，建筑业，批发和零售业，交通运输、仓储和邮政业作为变量。
实验方法：因子分析法软件：操作过程：第一步：导入Excel数据文件1.open data document——open data——open；2. Opening excel data source——OK.第二步：1.数据标准化：在最上面菜单里面选中Analyze——Descriptive Statistics——OK （变量选择除年份、合计以外的所有变量）.2.降维：在最上面菜单里面选中Analyze——DimensionReduction——Factor ，变量选择标准化后的数据.3.点击右侧Descriptive，勾选Correlation Matrix选项组中的Coefficients和KMO and Bartlett’s text of sphericity,点击Continue.4.点击右侧Extraction,勾选Scree Plot和fixed number with factors，默认3个，点击Continue.5.点击右侧Rotation，勾选Method选项组中的Varimax；勾选Display选项组中的Loding Plot(s)；点击Continue.6.点击右侧Scores，勾选Method选项组中的Regression；勾选Display factor score coefficient matrix；点击Continue.7.点击右侧Options，勾选Coefficient Display Format选项组中所有选项，将Absolute value blow改为，点击Continue.8.返回主对话框，单击OK.输出结果分析：1.描述性统计量该表提供分析过程中包含的统计量，表格显示了样本容量以及11个变量的最小值、最大值、平均值、标准差。
SPSS因子分析实例操作步骤
SPSS因子分析实例操作步骤实验目的：引入2003~2013年全国的农、林、牧、渔业，采矿业，制造业电力、热力、燃气及水生产和供应业，建筑业，批发和零售业，交通运输、仓储和邮政业7个产业的投资值作为变量，来研究其对全国总固定投资的影响。
实验变量：以年份，合计（单位：千亿元），农、林、牧、渔业，采矿业，制造业电力、热力、燃气及水生产和供应业，建筑业，批发和零售业，交通运输、仓储和邮政业作为变量。
实验方法：因子分析法软件：spss19.0操作过程：第一步：导入Excel数据文件1.open data document——open data——open；2. Opening excel data source——OK.第二步：1.数据标准化：在最上面菜单里面选中Analyze——Descriptive Statistics——OK （变量选择除年份、合计以外的所有变量）.2.降维：在最上面菜单里面选中Analyze——DimensionReduction——Factor ，变量选择标准化后的数据.3.点击右侧Descriptive，勾选Correlation Matrix选项组中的Coefficients和KMO and Bartlett’s text of sphericity,点击Continue.4.点击右侧Extraction,勾选Scree Plot和fixed number with factors，默认3个，点击Continue.5.点击右侧Rotation，勾选Method选项组中的Varimax；勾选Display选项组中的Loding Plot(s)；点击Continue.6.点击右侧Scores，勾选Method选项组中的Regression；勾选Display factor score coefficient matrix；点击Continue.7.点击右侧Options，勾选Coefficient Display Format选项组中所有选项，将Absolute value blow改为0.60，点击Continue.8.返回主对话框，单击OK.输出结果分析：1.描述性统计量Descriptive StatisticsN Minimum Maximum Mean Std. Deviation农、林、牧、渔业11 3.27 9.73 7.6645 1.97515采矿业11 .6 9.5 5.008 2.7092制造业11 .44 7.07 2.6900 2.22405电力、热力、燃气及水生产和11 3.36 15.05 10.3545 3.22751供应业建筑业11 1.79 23.51 7.8955 6.18302批发和零售业11 2.10 18.52 9.1018 5.50553交通运输、仓储和邮政业11 .82 8.39 2.7891 2.20903Valid N (listwise) 11该表提供分析过程中包含的统计量，表格显示了样本容量以及11个变量的最小值、最大值、平均值、标准差。
SPSS因子分析报告实例操作步骤
SPSS因子分析实例操作步骤实验目的：引入2003~2013年全国的农、林、牧、渔业，采矿业，制造业电力、热力、燃气及水生产和供应业，建筑业，批发和零售业，交通运输、仓储和邮政业7个产业的投资值作为变量，来研究其对全国总固定投资的影响。
实验变量：以年份，合计（单位：千亿元），农、林、牧、渔业，采矿业，制造业电力、热力、燃气及水生产和供应业，建筑业，批发和零售业，交通运输、仓储和邮政业作为变量。
实验方法：因子分析法软件：spss19.0操作过程：第一步：导入Excel数据文件1.open data document——open data——open；2. Opening excel data source——OK.第二步：1.数据标准化：在最上面菜单里面选中Analyze——Descriptive Statistics——OK （变量选择除年份、合计以外的所有变量）.2.降维：在最上面菜单里面选中Analyze——Dimension Reduction——Factor ，变量选择标准化后的数据.3.点击右侧Descriptive，勾选Correlation Matrix选项组中的Coefficients和KMO and Bartlett’s text of sphericity,点击Continue.4.点击右侧Extraction,勾选Scree Plot和fixed number with factors，默认3个，点击Continue.5.点击右侧Rotation，勾选Method选项组中的Varimax；勾选Display选项组中的Loding Plot(s)；点击Continue.6.点击右侧Scores，勾选Method选项组中的Regression；勾选Display factor score coefficient matrix；点击Continue.7.点击右侧Options，勾选Coefficient Display Format选项组中所有选项，将Absolute value blow改为0.60，点击Continue.8.返回主对话框，单击OK.输出结果分析：1.描述性统计量Descriptive StatisticsN Minimum Maximum Mean Std. Deviation农、林、牧、渔业11 3.27 9.73 7.6645 1.97515采矿业11 .6 9.5 5.008 2.7092制造业11 .44 7.07 2.6900 2.22405电力、热力、燃气及水生产和11 3.36 15.05 10.3545 3.22751供应业建筑业11 1.79 23.51 7.8955 6.18302批发和零售业11 2.10 18.52 9.1018 5.50553交通运输、仓储和邮政业11 .82 8.39 2.7891 2.20903Valid N (listwise) 11该表提供分析过程中包含的统计量，表格显示了样本容量以及11个变量的最小值、最大值、平均值、标准差。
spss因子分析案例
spss因子分析案例SPSS因子分析是一种用于探索或验证潜在结构的数据分析方法。
它将一组观测变量分解为几个潜在变量（或因子），以便更好地理解这些变量之间的关系。
假设我们有一个数据集，其中包含了一些心理测量量表的数据。
我们对这些测量量表进行因子分析，以了解是否可以将它们归类为几个互相关联的潜在因子。
我们将使用SPSS进行因子分析。
首先，我们打开SPSS，并加载数据集。
然后，我们选择'Analyze'菜单下的'Dimension Reduction'，再选择'Factor'。
在'Factor'对话框中，我们将选择要进行因子分析的测量量表变量，并将它们添加到'Variables'框中。
然后，我们单击'Extraction'选项卡。
在'Extraction'选项卡中，我们需要选择一个因子抽取方法。
常用的方法包括主成分分析和最大似然估计。
在本例中，我们选择最大似然估计。
然后，我们单击'Rotation'选项卡。
因子旋转是为了使因子之间更易解释。
我们可以选择'Varimax'或'Promax'旋转方法。
在本例中，我们选择'Varimax'。
接下来，我们单击'Summary'选项卡，然后单击'Continue'。
最后，我们单击'OK'按钮开始进行因子分析。
SPSS将计算因子分析，并提供一个结果表。
在结果表中，我们可以看到每个测量量表变量在每个因子上的载荷值。
载荷值表示变量与因子之间的关联强度。
我们还可以看到每个因子的解释方差比例。
这个比例表示每个因子解释了多大比例的变量的方差。
我们希望尽可能多的方差被解释，以便更好地理解数据。
此外，结果表还提供了每个因子的特征值。
特征值表示因子的重要性，越大的特征值表示该因子在解释数据中起到更重要的作用。
利用spss进行因子分析(r型)
利用SPSS进行因子分析（R型）【例】与主成分分析的数据相同：全国30个省市的8项经济指标。
因子模型是一个封闭方程，通常采用主成分求解，称为“主因解”。
上次讲述的“利用SPSS进行主成分分析”的过程，实际上是因子分析的第一步。
在主成分分析基础上，加上因子旋转，就可完成基于主成分分析的所谓因子分析。
当然也可通过另外的途径进行因子分析，在此暂不涉及。
第一步：录入或调入数据（见图1）。
图1 录入工作表中的原始数据第二步，进行主成分分析（参见主成分分析部分，在此从略）。
第三步，因子正交旋转的系统设置。
沿着主菜单的“Analyze→Data Reduction→Factor…”路径打开因子分析选项框（图2），完成主成分分析的设置或过程以后，单击Rotation（旋转）按钮，打开“Factor Analysis: Rotation”（因子分析：旋转）选项单（图3），在Method（方法）栏中选中Varimax（方差极大正交旋转）复选项，此时Display（展示）栏中的Rotated Solution（旋转解）将被激活为系统默认态，选中Loading Plot(s)（载荷图）复选项，将会在输出结果中给出因子载荷图式。
注意此时的Maximum Iterations for Convergence（迭代收敛的最大次数）为系统默认的25次，如果数据变量较多或样本较大，经过25次迭代可能计算过程仍然未能收敛，需要改为50次、100次乃至更多，否则SPSS无法给出计算结果。
迭代次数越多，计算时间也就越长。
在多数情况下，不足25次迭代计算过程就会收敛。
图2 因子分析选项框图3 因子旋转对话框注意：与上述Maximum Iterations for Convergence（迭代收敛的最大次数）有关的设置是Extraction（提取）对话框中的迭代次数设置（图4），如果今后工作中修改了图3所示的迭代次数仍然未能给出结果，那就意味着图4所示的迭代次数设置没有增加；反过来也是一样。
SPSS因子分析法-内容及案例
实验课：因子分析实验目的理解主成分〔因子〕分析的根本原理，熟悉并掌握SPSS中的主成分〔因子〕分析方法及其主要应用。
因子分析一、根底理论知识1 概念因子分析〔Factor analysis〕：就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子来反映原资料的大局部信息的统计学分析方法。
从数学角度来看，主成分分析是一种化繁为简的降维处理技术。
主成分分析〔Principal ponent analysis〕：是因子分析的一个特例，是使用最多的因子提取方法。
它通过坐标变换手段，将原有的多个相关变量，做线性变化，转换为另外一组不相关的变量。
选取前面几个方差最大的主成分，这样到达了因子分析较少变量个数的目的，同时又能与较少的变量反映原有变量的绝大局部的信息。
两者关系：主成分分析〔PCA〕和因子分析〔FA〕是两种把变量维数降低以便于描述、理解和分析的方法，而实际上主成分分析可以说是因子分析的一个特例。
2 特点〔1〕因子变量的数量远少于原有的指标变量的数量，因而对因子变量的分析能够减少分析中的工作量。
〔2〕因子变量不是对原始变量的取舍，而是根据原始变量的信息进展重新组构，它能够反映原有变量大局部的信息。
〔3〕因子变量之间不存在显著的线性相关关系，对变量的分析比拟方便，但原始局部变量之间多存在较显著的相关关系。
〔4〕因子变量具有命名解释性，即该变量是对某些原始变量信息的综合和反映。
在保证数据信息丧失最少的原那么下，对高维变量空间进展降维处理〔即通过因子分析或主成分分析〕。
显然，在一个低维空间解释系统要比在高维系统容易的多。
3 类型根据研究对象的不同，把因子分析分为R 型和Q 型两种。
当研究对象是变量时，属于R 型因子分析；当研究对象是样品时，属于Q 型因子分析。
但有的因子分析方法兼有R 型和Q 型因子分析的一些特点，如因子分析中的对应分析方法，有的学者称之为双重型因子分析，以示与其他两类的区别。
4分析原理假定：有n 个地理样本，每个样本共有p 个变量，构成一个n ×p 阶的地理数据矩阵 :当p 较大时，在p 维空间中考察问题比拟麻烦。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一．研究目的：为了研究农民收入，我们选取了其中7种主要影响因素，包括财政用于农业的支出的比重（%），第二、三产业从业人数占全社会从业人数的比重（%），非农村人口比重，乡村从业人员占农村人口的比重（%），农业总产值占农林牧总产值的比重（%），农作物播种面积（千公顷），农村用电量（亿千瓦时）。
（数据见最后一页）
二．研究变量：在经济生活中，根据以上分析，我们在影响农民收入因素中引入7个变量。
即设置变量:x1-财政用于农业的支出的比重,x2-第二、三产业从业人数占全社会从业人数的比重，x3-非农村人口比重，x4-乡村从业人员占农村人
农村口的比重，x5-农业总产值占农林牧总产值的比重，x6-农作物播种面积，x7
—
用电量。
一、研究方法：SPSS中的因子分析。
具体操作步骤
（1）定义变量：x1-财政用于农业的支出的比重,x2-第二、三产业从业人数占全社会从业人数的比重，x3-非农村人口比重，x4-乡村从业人员占农村人口的
农村用电比重，x5-农业总产值占农林牧总产值的比重，x6-农作物播种面积，x7
—
量。
（2）导入数据：
file-open-data
（3）变量标准化Analyze-Descriptive Statistics-Descriptives
"
勾选Save standardized values as variables保存变量，再点击ok，就完成了对变量的标准化。
（3）因子分析
Analyze—Dimension Reduction—Faction
点击右侧的Description选项，选择Statistics选项组中的initial solution，勾选Correlation Matrix 选项组中的Coefficients和KMO and Bartlelts test of sphericity，点击Continue。
点击右侧Extraction选项，其中Method选Principal components，Analyze选择Correlation matrix，Display中选择Unrotated factor solution，Extract如图，点击Continue.
:
点击右侧Rotation选项，勾选Method选项组中的Varimax，Display中的两个选项都勾选，点击Continue。
点击右侧Scores，如图勾选，点击点击Continue。
最后点击options，默认
)
（4）结果分析
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy..725
Bartlett's Test of Sphericity Approx. Chi-Square
df21
Sig..000
可以从此表中看出KMO统计量为，大于最低标准，说明适合做因子分析，Bartlet球形检验，p<，适合做因子分析。
，
2.主成分列表
可以从此表中看出前2个主成分特征值较大，它们的累积贡献率达到了%，故选择前2个公共因子。
@
Zscore(乡村从业人员占农村
.977
人口的比重)
Zscore(农业总产值占农林牧
.943
总产值的比重)
.909
·
Zscore: 农作物播种面积(千
公顷)
Zscore: 农村用电量(亿千瓦
.918
时)
Extraction Method: Principal Component Analysis.
结果显示，每一个指标变量的共性方差都在以上，说明这2个公共因子能够很好地反应原始各项指标变量的绝大部分内容。
~
4.载荷散点图Array从载荷散点图可以看出，第一公共因子能很好解释变量x1-财政用于农业的支出的比重，
变量x5-农业总产值占农林牧总产值的比重，第二公共因子能很好地解释变量x2-
第二、三产业从业人数占全社会从业人数的比重，x3-非农村人口比重，x4-乡村从业人员占农村人口的比重，x6-农作物播种面积，x7
农村用电量。
—
~
5.旋转后的因子载荷图
(亿千瓦时)在因子一上有较大载荷，财政用于农业的支出的比重、农业总产值占农林牧总产值的比重咋因子二上有较大载荷。
故因子一可称为农业基本发展条件，因子二可称为政府支持情况。
，
6.历年农民收入总得分降序表
其中F=f1*+f2*
年份f1f2总分F
>
1.
'
【
-0.
`
@
数据：
%。