S P S S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.opendatadocument——opendata——open；
2.Openingexceldatasource——OK.
第二步：
1.数据标准化：在最上面菜单里面选中Analyze——DescriptiveStatistics——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CorrelationMatrix选项组中的
Coefficients和KMOandBartlett’stextofsphericity,点击Continue.
4.点击右侧Extraction,勾选ScreePlot和fixednumberwithfactors，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LodingPlot(s)；点击Continue.
6.点击右侧Scores，勾选Method选项组中的Regression；勾选Displayfactorscorecoefficientmatrix；点击Continue.
7.点击右侧Options，勾选CoefficientDisplayFormat选项组中所有选项，将Absolutevalueblow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
DescriptiveStatistics
N 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 2.20903
ValidN(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。
2.KMO和球形Bartlett检验
KMOandBartlett'sTest
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy. .744
Bartlett'sTestofSphericity Approx.Chi-Square 97.122
df 21
Sig. .000
该表给出了因子分析的KMO和Bartlett检验结果。从表中可以看出，Bartlett球度检验的概率p值为0.000，即假设被拒绝，也就是说，可以认为相关系数矩阵与单位矩阵有显着差异。同时，KMO值为0.744，根据KMO度量标准可知，原变量适合进行因子分析。
3.因子分析的共同度
Communalities
Initial Extraction
Zscore(农、林、牧、渔业) 1.000 .883
Zscore:采矿业 1.000 .741
Zscore:制造业 1.000 .974
Zscore(电力、热力、燃气及
1.000 .992
水生产和供应业)
Zscore:建筑业 1.000 .987
Zscore(批发和零售业) 1.000 .965
该表由3部分组成，分别为初始因子解的方差解释、提取因子解的方差解释和旋转因子解的方差解释。
InitialEigenvalues部分描述了初始因子解的状况。第一个因子的特征根为3.079，解释7个原始变量总方差的43.992%；第二个因子的特征根为2.353，解释7个原始变量总方差的33.608%，累计方差贡献率为77.600%；第三个因子的特征根为1.046，解释7个原始变量总方差的14.941%，累计方差贡献率为92.541%，也就是说，三个变量解释了所有7各变量的90%
以上，且也只有这三个变量的特征值大于1。
ExtractionSumsofSquaredLoadings部分和RotationSumsofSquaredLoadings部分描述了因子提取后和旋转后的因子解。从表中看出，有三个因子提取和旋转，其累计解释总方差百分比和初始解的前三个变量相同，但经旋转后的因子重新分配各个因子的解释原始变量的方差，使得因子的方差更接近，也更易于解释。
5. 碎石图
利用因子分析的碎石图可以更加直观的发现最优因子的数量。在碎石图中，横坐标表示因子数目，纵坐标表示特征根。从图中可以看出，前三个因子的特征跟都很大，从第四个开始，因子的特征根都小于一，且连线变得较平缓，及前三个因子对解释变量的贡献最大，
6. 旋转前的因子载荷矩阵 该表空白处表示相应载荷小于0.3。因子载荷矩阵中给出每一个变量在三个因
子上的载荷。
在旋转前的载荷矩阵中所有变量在第一个因子上的载荷都较高，即与第一个因子的相关程度较高，第一个因子解释了大部分变量的信息；而后面两个因子与原始变量的相关程度较小，对原始变量的解释效果不明显，没有旋转的因子的含义很难解释。 7. 旋转后的因子载荷矩阵
RotatedComponentMatrix a
Component
1
2
3
Zscore(农、林、牧、渔业) .899
Zscore(交通运输、仓储和邮政业) -.716 -.3.41
Zscore:采矿业
.771 .352 Zscore(电力、热力、燃气及水生产和供应业) .749
.440 .441
Zscore:建筑业 .985
Zscore(批发和零售业)
.961
Zscore:制造业
.873
ComponentMatrix a
Component
1
2
3
Zscore(电力、热力、燃气及水生产和供应业)
.871
Zscore(交通运输、仓储和邮政业) -.860 Zscore:采矿业
.857 Zscore(农、林、牧、渔业) .704 Zscore(批发和零售业) .726 .569 Zscore:建筑业 .687 .364
Zscore:制造业
.600
.793
ExtractionMethod:PrincipalComponentAnalysis. a.3componentsextracted.
