当前位置：文档之家 › 【管理学】spss因子分析案例 共

【管理学】spss因子分析案例 共

  • 格式：doc
  • 大小：252.00 KB
  • 文档页数：17

9.46 9.55 4.948.219.41 7.315.354.523.086.441.044.254.502.425.1112.0011.748.079.1012.5011.582.771.793.752.4516.183.512.104.663.102.421.051.291.720.9111.2.1数据预备激活数据治理窗口，定义变量名：分不为X1、X2、X3、X4、X5、X6、X7，按顺序输入相应数值，建立数据库，结果见图11.1。

图11.1原始数据的输入11.2.2统计分析激活Statistics菜单选Data Reduction的Factor...命令项，弹出F actor Analysis对话框（图11.2）。

在对话框左侧的变量列表中选变量X1至X7，点击Ø钮使之进入Variables框。

图11.2因子分析对话框点击Descriptives...钮，弹出Factor Analysis:Descriptives对话框（图11. 3），在Statistics中选Univariate descriptives项要求输出各变量的均数与标准差，在Correlation Matrix栏内选Coefficients项要求运算有关系数矩阵，并选KMO and Bartlett’s test of sphericity项，要求对有关系数矩阵进行统计学检验。

点击Continue钮返回Factor Analysis对话框。

图11.3描述性指标选择对话框点击Extraction...钮，弹出Factor Analysis:Extraction对话框（图11.4），系统提供如下因子提取方法：图11.4因子提取方法选择对话框Principal components：主成分分析法；Unweighted least squares：未加权最小平方法；Generalized least squares：综合最小平方法；Maximum likelihood：极大似然估量法；Principal axis factoring：主轴因子法；Alpha factoring：α因子法；Image factoring：多元回来法。

本例选用Principal components方法，之后点击Continue钮返回Factor Analysis对话框。

点击Rotation...钮，弹出Factor Analysis:Rotation对话框（图1 1.5），系统有5种因子旋转方法可选：图11.5因子旋转方法选择对话框None：不作因子旋转；Varimax：正交旋转；Equamax：全体旋转，对变量和因子均作旋转；Quartimax：四分旋转，对变量作旋转；Direct Oblimin：斜交旋转。

旋转的目的是为了获得简单结构，以关心我们讲明因子。

本例选正交旋转法，之后点击Continue钮返回Factor Analysis对话框。

点击Scores...钮，弹出弹出Factor Analysis:Scores对话框（图11.6），系统提供3种估量因子得分系数的方法，本例选Regression（回来因子得分），之后点击Continue钮返回Factor Analysis对话框，再点击OK 钮即完成分析。

图11.6估量因子分方法对话框11.2.3结果讲明在输出结果窗口中将看到如下统计数据：系统第一输出各变量的均数（Mean）与标准差（Std Dev），并显示共有25例观看单位进入分析；接着输出有关系数矩阵（Correlation Matr ix），经Bartlett检验表明：Bartlett值= 326.28484，P<0.0001，即有关矩阵不是一个单位矩阵，故考虑进行因子分析。

Kaiser-Meyer-Olkin Measure of Sampling Adequacy是用于比较观测有关系数值与偏有关系数值的一个指标，其值愈靠近1，表明对这些变量进行因子分析的成效愈好。

今KMO值= 0.32122，偏小，意味着因子分析的结果可能不能同意。

Analysis number 1Listwise deletion of cases with missing value sMean Std Dev LabelX17.10000 2.32380X2 4.77320 2.41779X3 2.34880 1.66556X49.15240 3.01405X5 5.45840 3.27344X67.16720 4.55817X7 2.34600 1.61091Number of Cases=25Correlation Matrix:X1X2X3X4X5X6X7X1 1.00000X2.58026 1.00000X3.20113 .36379 1.00000X4.90900 .83725.43611 1.00000 X5.28347 .16590-.70423.16328 1.00000X6.28656 .26119-.68058.2030 9.99020 1.00000X7-.53321-.60846-.64918-.67758.42733.35732 1.00000Kaiser-Meyer-Olkin Measure of Sampling Adequacy =.32122Bartlett Test of Sphericity = 326.28484, Significance =.00000使用主成分分析法得到2个因子，因子矩阵（Factor Matrix）如下，变量与某一因子的联系系数绝对值越大，则该因子与变量关系越近。

如本例变量X 7与第一因子的值为-0.88644，与第二因子的值为0.21921，可见其与第一因子更近，与第二因子更远。

或者因子矩阵也能够作为因子奉献大小的度量，其绝对值越大，奉献也越大。

在Final Statistics一栏中显示各因子讲明掉方差的比例，也称变量的共同度（Communality）。

共同度从0到1，0为因子不讲明任何方差，1为所有方差均被因子讲明掉。

一个因子越大地讲明掉变量的方差，讲明因子包含原有变量信息的量越多。

Extraction 1 for analysis1, Principal Components Analysis (PC) PC extracted 2 factors.Factor Matrix:Factor1Factor 2X1.74646.48929X2.79644.37219X3.70890-.59727X4.91054.38865X5-.23424.96350X6-.17715.97172X7-.88644.21921Final Statistics:Variable Communality*Factor Eigenvalue Pct of Var Cum Pct*X1.79660*1 3.3951848.548.5X2.77284*2 2.8063240.188.6X3.85927*X4.98014*X5.98320*X6.97561*X7.83384*下面显示经正交旋转后的因子负荷矩阵（Rotated Factor Matrix）和因子转换矩阵（Factor Transformation Matrix）。

旋转的目的是使复杂的矩阵变得简洁，即第一因子替代了X1、X2、X4、X7的作用，第二因子替代了X3、X5、X6的作用。

V ARIMAX rotation 1 for extraction 1 in analysis 1 - Kai ser Normalization.V ARIMAX converged in 3 iterations.Rotated Factor Matrix:Factor1Factor 2X1.87795.16064X2.87848.03332X3.42098-.82586X4.99001.00414X5.15872.97878X6.21452.96415X7-.73151.54656Factor Transformation Matrix:Factor1Factor 2Factor1.92135-.38873Factor2.38873.92135最后将第一因子的因子分用变量名fac_1、第二因子的因子分用变量名fac_ 2存入原始数据库中。

这些值既可用于模型诊断，又可用于进一步分析。

基于因子分析法的西部地区服务业竞争力评判【摘要】：加快服务业的，提升服务业在国民中的地位，是我国政府近十年来经济政策的重要导向之一。

随着西部大开发的推进，西部地区服务业的进展状况得到广泛关注。

该研究基于服务业和服务业竞争力的理论，运用因子分析方法，对西部十二省区的服务业竞争力进行分析评判，并按照因子分析的结果和西部十二省区服务业进展的优劣势，提出提升该地区服务业竞争力水平的计策与建议。

关键词：服务业；竞争力；因子分析中图分类号：N949AbstractDuring the last ten years, speeding up the development of service industry and enhancing its position innational economy is one of the most important directions of the economic policy of our government. Along with the progress of Development of t he West Regions, all circles concerned starts paying attention to the devel opment of service industry over there. Based on the theories of service in dustry and its competitiveness, this research makes use of factor analysis to evaluate the competitiveness of service industry in twelve western provi nces and regions, and then brings forward countermeasures and suggestion s to upgrade their competitiveness, which is on the base of the results of factor analysis andthe advantages and disadvantages of the development of service industry i n the west regions.Keywords: Service Industry；Competitiveness；Factor Analysis1．引言服务业的进展状况与竞争力水平，不仅能够衡量一个国家和地区经济进展水平，而且能够反映一个国家和地区经济进展所处的时期。

合集下载

【管理学】spss因子分析案例共

【管理学】spss因子分析案例共

【管理学】SPSS因子分析案例共11.2.1 数据预备激活数据治理窗口，定义变量名：分不为 XI 、X2、X3、X4、X5、X6、X7,按顺序输入相应数值，建立数据库，结果见图11.1。

图11.1 原始数据的输入激活Statistics 菜单选 Data Reduction 的 Factor..命令项，弹出 Factor An alysis 对话框（图 11.2） X7，点击？钮使之进入 Variabl图11.3 描述性指标选择对话框点击 Extraction …钮，弹出 Factor Analysis:Extraction 对话框（图11.4），系统提供如下因子提取方法：图 11.4 因子提取方法选择对话框在对话框左侧的变量列表中选变量 X1至 es 框。

图11.2 因子分析对话框出 Factor Analysis:Descriptives 对话框（图 11. tedescriptives 项要求输出各变量的均数与标 内选Coefficients 项要求运算有关系数矩阵， 在Statistics 中选 UI口I 耐||的財血准差；在 Correlation"CnrtEititlv ii Mtfhrix ( 并选KMO E“「and Bartlett ' s test of sphericity 项，要求对有关系数矩阵进行 3）， 统计Matrix 栏pCnr-rcl-fl liciin MirfirixPrincipal components 主成分分析法；Un weighted least squares未加权最小平方法；Generalized least squares 综合最小平方法；Maximumlikelihood ：极大似然估量法；Principal axis factoring: 主轴因子法；Alpha factoring : a 因子法；Image fa cto ri n g ：多元回来法。

SPSS因子分析报告实例操作步骤

SPSS因子分析报告实例操作步骤

SPSS因⼦分析报告实例操作步骤SPS咽⼦分析实例操作步骤实验⽬的：⼸I⼊2003~201部全国的农、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 ------- o pen data ------- o pen；2. Opening excel data source OK.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.Factor Anafysas; Descriptive'S-St^ tistics -------------------------------------------■■□■■■■■Man ■>^■■■■1 m ■■■ im ■■■■MBIII ■■■■■ nMBiinai ■■■ ma□ ^Univariate descriptiveshf li” ii-tliliRtlli iiiar-llii M III ■—Bllimi Hi nill^Q Initial sotuSon Correlation Matrix R CoefTidentsE Inv&rssU Signmcance leveisU Reproduced :Determinant[. _■ Ant -imageV KMO and Bartlett's t&st of sphericity[continue [ Can ⽤][ Help J4. 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.刮Factor Analysis: Factor Scores1/沧a⽤as variables IHM ■■■■KII ■■■■■ IMethod ?-i(o-1Regression] ? BartlettO Anderson-Rubin, Oi&pla/fader score Meffieiert matrix[cortinue -Cancel Help■—⼀』. _ ? _ - ⼀」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 Statistics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因子分析案例在进行SPSS因子分析时，我们通常遵循以下步骤：数据准备、因子提取、因子旋转、因子得分和结果解释。

下面是一个因子分析的案例，展示了如何使用SPSS软件进行这一统计分析。

首先，我们需要准备数据。

这通常涉及收集问卷调查数据，其中包含多个项目或变量，这些变量被认为是潜在因子的指标。

在SPSS中，数据应该以数据集的形式输入，每个变量代表一个问卷项目，每个案例代表一个受访者的回答。

接下来，我们进行因子提取。

在SPSS中，我们可以通过“分析”菜单选择“降维”然后选择“因子”来开始因子分析。

在因子分析对话框中，我们需要指定分析的变量，并决定提取因子的方法。

常见的提取方法包括主成分分析和最大似然法。

此外，我们还需要决定因子提取的标准，如特征值大于1的规则或基于特定比例的方差提取。

因子提取后，我们通常需要进行因子旋转。

旋转的目的是使因子结构更加清晰，便于解释。

SPSS提供了多种旋转方法，如正交旋转（如Varimax）和斜交旋转（如Promax）。

旋转后，每个变量的因子载荷（即变量与因子的相关系数）将被重新估计。

然后，我们可以计算因子得分。

因子得分是每个受访者在每个因子上的估计得分，它可以帮助我们了解每个受访者在潜在因子上的位置。

在SPSS中，可以通过“保存”选项来保存因子得分，以便进一步分析。

最后，我们需要解释因子分析的结果。

这包括解释每个因子的含义，以及哪些变量与每个因子最相关。

我们可以通过查看因子载荷矩阵来完成这一步骤。

通常，载荷值较高的变量被认为是该因子的良好指标。

在实际应用中，因子分析可以帮助我们识别数据中的潜在结构，简化数据集，并为进一步的分析提供基础。

例如，在市场研究中，因子分析可以用来识别消费者行为的潜在维度，从而帮助企业更好地理解其客户群体。

通过上述步骤，我们可以使用SPSS软件有效地进行因子分析，从而揭示数据背后的潜在结构，并为决策提供支持。

【管理学】spss因子分析案例共

【管理学】spss因子分析案例共

【管理学】SPSS因子分析案例共11.2.1 数据预备激活数据治理窗口，定义变量名：分不为 XI 、X2、X3、X4、X5、X6、X7,按顺序输入相应数值，建立数据库，结果见图11.1。

图11.1 原始数据的输入激活Statistics 菜单选 Data Reduction 的 Factor..命令项，弹出 Factor An alysis 对话框（图 11.2） X7，点击？钮使之进入 Variabl图11.3 描述性指标选择对话框点击 Extraction …钮，弹出 Factor Analysis:Extraction 对话框（图11.4），系统提供如下因子提取方法：图 11.4 因子提取方法选择对话框在对话框左侧的变量列表中选变量 X1至 es 框。

图11.2 因子分析对话框出 Factor Analysis:Descriptives 对话框（图 11. tedescriptives 项要求输出各变量的均数与标 内选Coefficients 项要求运算有关系数矩阵， 在Statistics 中选 UI口I 耐||的財血准差；在 Correlation"CnrtEititlv ii Mtfhrix ( 并选KMO E“「and Bartlett ' s test of sphericity 项，要求对有关系数矩阵进行 3）， 统计Matrix 栏pCnr-rcl-fl liciin MirfirixPrincipal components 主成分分析法；Un weighted least squares未加权最小平方法；Generalized least squares 综合最小平方法；Maximumlikelihood ：极大似然估量法；Principal axis factoring: 主轴因子法；Alpha factoring : a 因子法；Image fa cto ri n g ：多元回来法。