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 |
|||