SPSS做因子分析的步驟詳解
一、SPSS中的因子分析。
具體操作步驟:
(1)定義變數:x1-財政用於農業的支出的比重,x2-第二、三產業從業人數佔全社會從業人數的比重,x3-非農村人口比重,x4-鄉村從業人員佔農村人口的比重,x5-農業總產值佔農林牧總產值的比重,x6-農作物播種面積,x7—農村用電量。
(2)匯入資料:file-open-data
(3)變數標準化Analyze-Descriptive Statistics-Descriptives
勾選Save standardized values as variables儲存變數,再點選ok,就完成了對變數的標準化。
(4)因子分析
Analyze—Dimension Reduction
點選右側的Description選項,選擇Statistics選項組中的initial solution,勾選Correlation Matrix選項組中的Coefficients和KMO and Bartlelts test of sphericity,點選Continue。
點選右側Extraction選項,其中Method選Principal components,Analyze選擇Correlation matrix,Display中選擇Unrotated factor solution,Extract如圖,點選Continue.
點選右側Rotation選項
點選右側Scores,如圖勾選,點選點選Continue。
最後點選options,預設
(5)結果分析
1.KMO and Bartlett's的檢驗結果圖
KMO and Bartlett's Test |
||
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. |
.725 |
|
Bartlett's Test of Sphericity |
Approx. Chi-Square |
255.159 |
df |
21 |
|
Sig. |
.000 |
可以從此表中看出KMO統計量為0.725,大於最低標準,說明適合做因子分析,Bartlet球形檢驗,p<0.001,適合做因子分析。
2.主成分列表
Total Variance Explained |
|||||||||
Component |
Initial Eigenvalues |
Extraction Sums of Squared Loadings |
Rotation Sums of Squared Loadings |
||||||
Total |
% of Variance |
Cumulative % |
Total |
% of Variance |
Cumulative % |
Total |
% of Variance |
Cumulative % |
|
1 |
5.920 |
84.572 |
84.572 |
5.920 |
84.572 |
84.572 |
3.308 |
47.261 |
47.261 |
2 |
.653 |
9.330 |
93.902 |
.653 |
9.330 |
93.902 |
3.265 |
46.641 |
93.902 |
3 |
.249 |
3.559 |
97.462 |
||||||
4 |
.126 |
1.798 |
99.259 |
||||||
5 |
.042 |
.595 |
99.854 |
||||||
6 |
.008 |
.108 |
99.962 |
||||||
7 |
.003 |
.038 |
100.000 |
||||||
Extraction Method: Principal Component Analysis. |
可以從此表中看出前2個主成分特徵值較大,它們的累積貢獻率達到了93.902%,故選擇前2個公共因子。
3.公因子方差比結果圖
Communalities |
||
Initial |
Extraction |
|
Zscore(財政用於農業的支出的比重) |
1.000 |
.906 |
Zscore: 第二、三產業從業人數佔全社會從業人數的比重(%) |
1.000 |
.940 |
Zscore: 非農村人口比重(%) |
1.000 |
.979 |
Zscore(鄉村從業人員佔農村人口的比重) |
1.000 |
.977 |
Zscore(農業總產值佔農林牧總產值的比重) |
1.000 |
.943 |
Zscore: 農作物播種面積(千公頃) |
1.000 |
.909 |
Zscore: 農村用電量(億千瓦時) |
1.000 |
.918 |
Extraction Method: Principal Component Analysis. |
結果顯示,每一個指標變數的共性方差都在0.9以上,說明這2個公共因子能夠很好地反應原始各項指標變數的絕大部分內容。
4.載荷散點圖
從載荷散點圖可以看出,第一公共因子能很好解釋變數x1-財政用於農業的支出的比重,變數x5-農業總產值佔農林牧總產值的比重,第二公共因子能很好地解釋變數x2-第二、三產業從業人數佔全社會從業人數的比重,x3-非農村人口比重,x4-鄉村從業人員佔農村人口的比重,x6-農作物播種面積,x7—農村用電量。
5.旋轉後的因子載荷圖
Component Score Coefficient Matrix |
||
Component |
||
1 |
2 |
|
Zscore(財政用於農業的支出的比重) |
.507 |
-.697 |
Zscore: 第二、三產業從業人數佔全社會從業人數的比重(%) |
.120 |
.112 |
Zscore: 非農村人口比重(%) |
.170 |
.066 |
Zscore(鄉村從業人員佔農村人口的比重) |
.072 |
.164 |
Zscore(農業總產值佔農林牧總產值的比重) |
.026 |
-.257 |
Zscore: 農作物播種面積(千公頃) |
.691 |
-.510 |
Zscore: 農村用電量(億千瓦時) |
.247 |
-.022 |
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores. |
經過旋轉後,農作物播種面積(千公頃)、農村用電量(億千瓦時)在因子一上有較大載荷,財政用於農業的支出的比重、農業總產值佔農林牧總產值的比重咋因子二上有較大載荷。故因子一可稱為農業基本發展條件,因子二可稱為政府支援情況。
6.歷年農民收入總得分降序表
其中F=f1*84.572/93.902+f2*9.330/93.902
年份 |
f1 |
f2 |
總分F |
2004 |
1.46067 |
0.23231 |
1.338621494 |
2005 |
1.24137 |
1.08005 |
1.225341421 |
1998 |
1.44755 |
-1.0258 |
1.20180065 |
1999 |
0.88995 |
-0.04301 |
0.797252115 |
2000 |
0.83304 |
0.28099 |
0.778188916 |
2001 |
0.79886 |
0.42652 |
0.761864705 |
2002 |
0.56754 |
0.85163 |
0.595766872 |
2003 |
0.29613 |
1.3662 |
0.402450985 |
1997 |
0.35599 |
0.15899 |
0.336416295 |
1996 |
0.141 |
0.023 |
0.129275649 |
1986 |
0.0712 |
-2.97824 |
-0.231789023 |
1991 |
-0.35654 |
-0.496 |
-0.370396593 |
1995 |
-0.53681 |
0.53338 |
-0.430477092 |
1992 |
-0.46086 |
-0.24669 |
-0.439580303 |
1994 |
-0.68793 |
0.39726 |
-0.580106709 |
1990 |
-0.70907 |
-0.29782 |
-0.66820865 |
1993 |
-0.78235 |
0.24344 |
-0.680428628 |
1987 |
-0.88133 |
-1.73639 |
-0.966287826 |
1989 |
-1.23195 |
0.22253 |
-1.087434458 |
1988 |
-2.45646 |
1.00764 |
-2.112270813 |
資料:
年份 |
財政用於農業的支出的比重 |
第二、三產業從業人數佔全社會從業人數的比重(%) |
非農村人口比重(%) |
鄉村從業人員佔農村人口的比重 |
農業總產值佔農林牧總產值的比重 |
農作物播種面積(千公頃) |
農村用電量(億千瓦時) |
|||
1986 |
13.43 |
29.5 |
17.92 |
36.01 |
79.99 |
150104.07 |
253.1 |
|||
1987 |
12.2 |
31.3 |
19.39 |
38.62 |
75.63 |
146379.53 |
320.8 |
|||
1988 |
7.66 |
37.6 |
23.71 |
45.9 |
69.25 |
143625.87 |
508.9 |
|||
1989 |
9.42 |
39.9 |
26.21 |
49.23 |
62.75 |
146553.93 |
790.5 |
|||
1990 |
9.98 |
39.9 |
26.41 |
49.93 |
64.66 |
148362.27 |
844.5 |
|||
1991 |
10.26 |
40.3 |
26.94 |
50.92 |
63.09 |
149585.8 |
963.2 |
|||
1992 |
10.05 |
41.5 |
27.46 |
51.53 |
61.51 |
149007.1 |
1106.9 |
|||
1993 |
9.49 |
43.6 |
27.99 |
51.86 |
60.07 |
147740.7 |
1244.9 |
|||
1994 |
9.2 |
45.7 |
28.51 |
52.12 |
58.22 |
148240.6 |
1473.9 |
|||
1995 |
8.43 |
47.8 |
29.04 |
52.41 |
58.43 |
149879.3 |
1655.7 |
|||
1996 |
8.82 |
49.5 |
30.48 |
53.23 |
60.57 |
152380.6 |
1812.7 |
|||
1997 |
8.3 |
50.1 |
31.91 |
54.93 |
58.23 |
153969.2 |
1980.1 |
|||
1998 |
10.69 |
50.2 |
33.35 |
55.84 |
58.03 |
155705.7 |
2042.2 |
|||
1999 |
8.23 |
49.9 |
34.78 |
57.16 |
57.53 |
156372.81 |
2173.45 |
|||
2000 |
7.75 |
50 |
36.22 |
59.33 |
55.68 |
156299.85 |
2421.3 |
|||
2001 |
7.71 |
50 |
37.66 |
60.62 |
55.24 |
155707.86 |
2610.78 |
|||
2002 |
7.17 |
50 |
39.09 |
62.02 |
54.51 |
154635.51 |
2993.4 |
|||
2003 |
7.12 |
50.9 |
40.53 |
63.72 |
50.08 |
152414.96 |
3432.92 |
|||
2004 |
9.67 |
53.1 |
41.76 |
65.64 |
50.05 |
153552.55 |
3933.03 |
|||
2005 |
7.22 |
55.2 |
42.99 |
67.59 |
49.72 |
155487.73 |
4375.7 |