1、甀贀挀栀琀洀氀掲堄踁/Mi前台访问/d-2585018.html220.181.108.910勈溥幌儀眀愀瀀掲踁/Ic前台访问/d-83294.html207.46.13.1910幌%椀搀栀琀洀氀掲砀踁/Mg前台访问/d-1371670.html207.46.13.1910悤匀洀眀愀瀀瀀栀琀洀氀掲踁/Mg前台访问/p-2956979.html207.46.13.1910懐最脀眀愀瀀漀漀欀刀攀愀搀愀猀瀀砀椀搀掲踁/Ie前台访问/d-33793.html116.179.32.2080勈溥敔最瀀栀琀洀氀掲呮踁/Ke前台访问/p-396661.html106.11.159.400勈溥敔犰捳匀漀挀栀琀洀
2、氀掲蠄吒踁崀鸿5Sowap前台访问/d-2994598.html220.181.108.760羋溨敔%蔀鼀眀愀瀀琀愀最爀甀栀攀稀椀猀栀攀渀樀椀愀渀砀椀渀最戀甀眀愀渀最挀栀甀砀椀渀栀琀洀氀掲怄肾踁5Okwap前台访问/d-33793.html111.206.198.330暀%濮最瀀栀琀洀氀掲踁5Sowap前台访问/d-2033977.html220.181.108.990枬%埯挀瀀栀琀洀氀掲踁糃/Mi前台访问/p-3117050.html185.191.171.230棘椀搀栀琀洀氀掲踁/前台访问/tag/2019jinenggaokaoliankaoshijuandaan.html116.179
3、.32.240棘%最瀀栀琀洀氀掲踁/前台访问/c-0001600006-171-111800-0-0-0-0-9-0-2.html114.238.48.1890爔樄甀褀挀栀琀洀氀掲踁/前台访问/c-0001600006-986-103023-0-0-0-0-9-0-0.html49.82.87.610欰匀漀眀愀瀀搀栀琀洀氀掲屬踁5Oiwap前台访问/d-33793.html111.206.221.60汜%埯挀搀栀琀洀氀掲衲踁/Mi前台访问/d-2815333.html185.191.171.210爔消蔀鴀挀栀琀洀氀掲蠀踁糃/Mc前台访问/p-2694433.html207.46.13.10溝溴
4、笾欀褀琀愀最樀椀渀最砀椀愀漀猀栀椀砀椀猀栀漀甀栀甀漀栀琀洀氀掲踁糃5Sqwap前台访问/d-1490950.html220.181.108.1730焌愀笀漀漀欀刀攀愀搀愀猀瀀砀椀搀掲踁/Mi前台访问/p-2487538.html185.191.171.400爓焌椀瀀栀琀洀氀掲舄踁/前台访问/c-0001200004-149-5642-0-0-0-0-2-0-1.html117.95.104.1420爸眀錀挀栀琀洀氀掲踁5Sowap前台访问/p-3008862.html116.179.32.2050勈溥獤椀蔀琀愀最搀漀甀礀椀渀眀愀渀最栀漀渀最焀甀搀愀漀栀琀洀氀掲搀踁/Me前台访问/p-19290
5、81.html207.46.13.380疼最茀眀愀瀀漀漀欀刀攀愀搀愀猀瀀砀椀搀掲踁糃/Mg前台访问/p-1986494.html183.17.127.810沿盨眀愀瀀猀攀愀爀挀栀栀琀洀氀焀掲处踁5Sowap前台访问/d-1522011.html116.179.32.1490溥盨紀销挀栀琀洀氀掲瀄鷻踁鯧/_前台访问/tag/tongniangaoeji.html220.181.108.1540研椀搀栀琀洀氀掲踁糃/Me前台访问/p-2153479.html207.46.13.380爓祀最瀀栀琀洀氀掲踁糃/u前台访问/c-00004-5-33090-0-0-0-0-2-0-1.html106.11
6、1.133.330爓祀椀搀栀琀洀氀掲踁/y前台访问/c-00016-479-52795-0-0-0-0-2-0-1.html117.95.104.1650爔祀甀輀挀栀琀洀氀掲舄踁/前台访问/c-0000400004-938-39407-0-0-0-0-9-0-0.html49.89.166.960勈溥穬淎愀笀漀漀欀刀攀愀搀愀猀瀀砀椀搀掲頀踁糃/Mk前台访问/d-1203396.html220.181.108.1410孰糄溛紀鬀琀愀最砀椀愀渀最漀渀最挀栀攀渀最搀愀砀甀攀昀攀渀砀椀栀甀愀砀椀攀栀琀洀氀掲踁/Me前台访问/p-1406112.html207.46.13.380緰%最瀀栀琀洀氀掲鶲踁耀
7、5Sowap前台访问/p-2798314.html111.35.243.1610腴%埯最搀栀琀洀氀掲处瑲踁/Ea前台访问/login.aspx111.17.193.1940腴最瀀栀琀洀氀掲搒璨踁/y前台访问/c-00004-997-35595-0-0-0-0-9-2-1.html49.89.160.206.SPSS因子分析实例操作步骤实验目的：引入20032013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
8、，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 documentopen dataopen；2. Opening excel data sourceOK.第二步：1.数据标准化：在最上面菜单里面选中AnalyzeDescriptive StatisticsOK（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AnalyzeDimension ReductionFactor，变量选择标准化后的数据.3. 点击右
9、侧Descriptive，勾选Correlation Matrix选项组中的Coefficients和KMO and Bartletts text of sphericity,点击Continue.4.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
10、 score coefficient matrix；点击Continue.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 StatisticsNMinimumMaximumMeanStd. Deviation农、林、牧、渔业113.279.737.66451.97515采 矿 业11.69.55.0082.7092制 造 业11.447.072.69002.22405电力、热力、燃气及
11、水生产和供应业113.3615.0510.35453.22751建 筑 业111.7923.517.89556.18302批发和零售业112.1018.529.10185.50553交通运输、仓储和邮政业11.828.392.78912.20903Valid N (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KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.744Bartletts Test o
12、f SphericityApprox. Chi-Square97.122df21Sig.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著差异。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CommunalitiesInitialExtractionZscore(农、林、牧、渔业)1.000.883Zscore: 采 矿 业1.000.741Zscore: 制 造 业1.000.974Zscore(电力、热力、燃
13、气及水生产和供应业)1.000.992Zscore: 建 筑 业1.000.987Zscore(批发和零售业)1.000.965Zscore(交通运输、仓储和邮政业)1.000.935Extraction Method: Principal Component Analysis.表格所示是因子分析的共同度。表格第二列显示初始共同度，全部为1.000；第三列是按照提取3个公因子得到的共同度，可以看到只有“采矿业”的共同度稍低，说明其信息丢失量稍严重。4. 因子分析的总方差解释Total Variance ExplainedComponentInitial EigenvaluesExtractio
14、n Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %13.07943.99243.9923.07943.99243.9922.66037.99937.99922.35333.60877.6002.35333.60877.6002.34633.51771.51631.04614.94192.5411.04614.94192.5411.47221.0259
15、2.5414.4135.90598.4465.0981.39999.8456.011.15299.9977.000.003100.000Extraction Method: Principal Component Analysis.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。Initial Eigenvalues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
16、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。Extraction Sums of Squared Loadings部分和 Rotation Sums of Squared Loadings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
17、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Component MatrixaComponent123Zscore(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 .600.793Extraction Method: P
18、rincipal Component Analysis.a. 3 components extracted.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一伀倀儀刀匀吀唀嘀圀堀夀娀嬀尀崀帀开怀愀戀挀搀攀昀最栀椀樀欀氀洀渀漀瀀焀爀猀琀甀瘀眀砀礀稀笀簀紀縀缀耀脀舀茀萀蔀蘀蜀蠀褀言謀谀贀踀輀退鄀鈀錀鐀销阀需頀餀騀鬀鰀鴀鸀鼀一伀倀儀刀匀吀唀嘀圀堀夀娀嬀尀崀帀开怀愀戀挀搀攀昀最栀椀樀欀氀洀渀漀瀀焀爀猀琀甀瘀眀砀礀稀笀簀紀縀缀耀脀舀茀萀蔀蘀蜀蠀褀言謀谀贀踀輀退鄀鈀錀鐀销阀需頀餀騀鬀鰀鴀鸀鼀一伀倀儀刀匀吀嘀圀堀夀娀嬀尀崀帀开怀愀戀挀搀攀昀最栀椀樀欀氀洀渀漀瀀焀爀猀琀甀瘀眀砀礀稀笀簀紀縀缀耀脀舀茀萀蔀蘀蜀蠀褀言謀谀贀踀輀退鄀鈀錀鐀销阀頀需餀騀鬀鰀鴀鸀鼀一伀倀儀刀匀吀唀嘀圀堀夀娀嬀尀崀帀开怀愀戀挀搀攀昀最栀椀樀欀氀洀渀漀瀀焀爀猀琀甀瘀眀砀礀稀笀簀紀縀缀耀脀舀茀萀蔀蘀蜀蠀褀言謀谀贀踀輀退鄀鈀錀鐀销阀需頀餀騀鬀鰀鴀鸀鼀
