因子分析实验报告
- 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)。
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:晨飞学号:27
指导教师:咼天鹏
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-> Fetor ->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 女口下勾选
⑵执行Analyse->Dimention Ruduction ,打开分析窗口
打开参数设置窗口
⑶点击 Descripitives ,选择 initial solution (输出原始分析结果)、coefficients 相关系数矩阵)、勾选进行 KMO 和bartlett 球形检验,完成之后点击continue
数设置窗口
(输出 回到参
加入变量
输出选项
(4)点击Extraction输出碎石图,完成之后点击continue回到参数设置窗口
勾选输出碎石图
勾选输出因子得分,完成之后点击con ti nue回到参数设置窗口
输出因子得分
(6)选择缺失的值用均值代替,完成之后点击contin ue回到参数设置窗口
总Factor Analysis: Options
-Missing Values --------------------------------
O Btclude cases lislwise
O Exclude pairwise 喊Rep-lace with rnean
■■A/IIBIH JIII I*II ms an BIUA■■■MM ■■■■<>«■■■■■JIIBI&UBII・■■・・・・・・■•■・・・ MH,
-CoeffiGent DisplaY Format-----------------
□Sorted by size
□Suppress small coefficients
Absolute v^lue below:
[contiriu®] Canwl 11 Help
均值代替缺失数据
(7)点击OK,输出分析结果
六、实验器材(设备、兀器件):
计算机、打印机、硒鼓、碳粉、纸
七、实验数据及结果分析
(1)实验一主要结果及分析:
从表里的结果可以看出,KMO的检验值为0.856,—般KMO值大于0.9认为适合做因
子分析,这个值为0.856接近0.9,适合做因子分析
相关系数矩阵
从这个表格中可以看出这六个变量之间有很高的相关度,需要标准化
变量共同度表
这个表,表示提取公共因子之后各个变量的共同度,就是原始信息的保留度,例如第一个变量有95.4%的信息被保留下来了。
主成分表
按照之前的设置,保留了一个特征值大于1的因子,这个因子的贡献率为88%
Scree Plot
Ccmponent Number
特征值和变量的散点图
可以看出,除了第一个因子之外其他的因子特征值都很小。
Component Matrix
Component
1
年末实有道路长度(公里) 年末实有道路面积(万平方米) 城市桥梁(座)
城市排水管道长度(公里) 城市污水日处理能力(万立方 米) 城市路灯(盏)
.977
.959 .862 .961 .939
.927
因子负荷矩阵
o-
ol n ra A u g B n