因子分析实验报告范本

实验课程名称：多元统计分析

第二部分：实验过程记录（可加页）

1、实验原始记录（包括实验数据记录，实验现象记录，实验过程发现的问题等）

第一步：导入数据

图1数据

第二步：将数据标准化

点击分析→描述统计→描述。然后选择变量，勾选“将标准化得分另存为变量”

图2数据标准化

第三步：对数据进行因子分析

点击分析→降维→因子分析，然后选择变量，然后对描述统计和抽取等进行设置，如图。

描述统计设置

抽取设置

旋转设置

得分设置

第三部分结果与讨论（可加页）

1、实验结果分析（包括数据处理、实验现象分析、影响因素讨论、综合分析和结论等）

标准化数据

由以输出结果第二张图可以看出，前2个主成分解释了全部方差的78.569%，即包含了信息总量的78.569%，这说明2个主成分代表原来的8个指标评价企业的经济效益已经足够了。

输出结果是提取2个主成分后输出的结果。

上面的表在主成分分析中也得到过，实际上，用主成分法求解公共因子与载荷矩阵，是求主成分的逆运算，这在前面有所表述。其中成分矩阵是因子载荷矩阵，使用标准化后的主成分（公共因子）近似表示标准化原始变量的系数矩阵，用fac1,fac2表示各公共因子，以总资产为例，即有

标准化的总资产=0.829*fac1-0.354*fac2

在数据窗口可看到，在原始变量后面出现2个新的变量，变量名分别为fac1-1，fac2-1。这2个变量即为各个样品的第一公共因子，第二公共因子得分。在前面的分析中层提到过，这些得分是经过标准化的，这一点可以用下面的方法简单地验证。

依次点击分析---描述统计---描述，进入“描述”对话框，选中fac1-1，fac2-1 2个变量，点击“确定”。

可以看到，三个变量的标准差均为1. 得到各个样本的因子得分后，就可以对样本点进行分析，如用因子得分值代替原始数据进行归类分析或回归分析等。

由上面结果看到，旋转后的公共因子解释原始数据的能力没有提高，但因子载荷矩阵及因子得分系数矩阵都发生了变化，因子载荷矩阵的元素更倾向于0或正负1.

这是对因子载荷矩阵进行方差最大化正交旋转。记基本每股收益等指标分别为X1，X2，，，X8。即可得因子分析模型：

X1=0.205F1+0.745F2 X5=0.71F1—0.555F2

X2=0.916F1—0.212F2 X6=0.547F1—0.63F2

X3=0.937F1+0.064F2 X7=—0.086F1+0.7F2

X4=0.981F1+0.091F2 X8=0.971F1—0.07F2