spss因子分析实例

一．研究目的：为了研究农民收入，我们选取了其中7种主要影响因素，包括 财政用于农业的支出的比重（%），第二、三产业从业人数占全社会从业人数的比重（%），非农村人口比重，乡村从业人员占农村人口的比重（%），农业总产值占农林牧总产值的比重（%），农作物播种面积（千公顷），农村用电量（亿千瓦时）。（数据见最后一页）

二．研究变量：在经济生活中，根据以上分析，我们在影响农民收入因素中引入7个变量。即设置变量:x1-财政用于农业的支出的比重,x2-第二、三产业从业人数占全社会从业人数的比重，x3-非农村人口比重，x4-乡村从业人员占农村人口的比重，x5-农业总产值占农林牧总产值的比重，x6-农作物播种面积，x7—农村用电量。

一、研究方法：SPSS中的因子分析。 具体操作步骤

（1）定义变量：x1-财政用于农业的支出的比重,x2-第二、三产业从业人数占全社会从业人数的比重，x3-非农村人口比重，x4-乡村从业人员占农村人口的比重，x5-农业总产值占农林牧总产值的比重，x6-农作物播种面积，x7—农村用电量。

（2）导入数据： file-open-data

（3）变量标准化Analyze-Descriptive Statistics-Descriptives

勾选Save standardized values as variables保存变量，再点击ok，就完成了对变量的标准化。

（3）因子分析

Analyze—Dimension Reduction—Faction

点击右侧的Description选项，选择Statistics选项组中的initial solution，勾选Correlation Matrix选项组中的Coefficients和KMO and Bartlelts test of sphericity，点击Continue。

点击右侧Extraction选项，其中Method选Principal components，Analyze选择Correlation matrix，Display中选择Unrotated factor solution，Extract如图，点击Continue.

点击右侧Rotation选项，勾选Method选项组中的Varimax，Display中的两个选项都勾选，点击Continue。

点击右侧Scores，如图勾选，点击点击Continue。

最后点击options，默认

（4）结果分析

1.KMO and Bartlett's的检验结果图

KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig. .725 255.159 21 .000 可以从此表中看出KMO统计量为0.725，大于最低标准，说明适合做因子分析，Bartlet球形检验，p<0.001，适合做因子分析。

2.主成分列表

Total Variance Explained Extraction Sums of Initial Eigenvalues % of Component 1 Total VarianCumulativece % 84.572 Total Squared Loadings % of VariancCumulate ive % 84.572 Total 3.308 % of Variance 47.261 Cumulative % 47.261 Rotation Sums of Squared Loadings 5.920 84.572 5.920 84.572 2 3 4 5 6 7 .653 9.330 .249 3.559 .126 1.798 .042 .008 .003 .595 .108 .038 93.902 97.462 99.259 99.854 99.962 100.000 .653 9.330 93.902 3.265 46.641 93.902 Extraction Method: Principal Component Analysis. 可以从此表中看出前2个主成分特征值较大，它们的累积贡献率达到了93.902%，故选择前2个公共因子。

3.公因子方差比结果图

Communalities Zscore(财政用于农业的支出的比重) Zscore: 第二、三产业从业人数占全社会从业人数的比重(%) Zscore: 非农村人口比重(%) Zscore(乡村从业人员占农村人口的比重) Zscore(农业总产值占农林牧总产值的比重) Zscore: 农作物播种面积(千公顷) Zscore: 农村用电量(亿千瓦时) Initial 1.000 Extraction .906 1.000 .940 1.000 .979 1.000 .977 1.000 .943 1.000 .909 1.000 .918 Extraction Method: Principal Component Analysis. 结果显示，每一个指标变量的共性方差都在0.9以上，说明这2个公共因子能够很好地反应

原始各项指标变量的绝大部分内容。

4.载荷散点图

从载荷散点图可以看出，第一公共因子能很好解释变量x1-财政用于农业的支出的比重，变量x5-农业总产值占农林牧总产值的比重，第二公共因子能很好地解释变

量x2-第二、三产业从业人数占全社会从业人数的比重，x3-非农村人口比重，x4-乡村从业人员占农村人口的比重，x6-农作物播种面积，x7—农村用电量。

5.旋转后的因子载荷图

Component Score Coefficient Matrix Zscore(财政用于农业的支出的比重) Zscore: 第二、三产业从业人数占全社会从业人数的比重(%) Zscore: 非农村人口比重(%) Zscore(乡村从业人员占农村人口的比重) Zscore(农业总产值占农林牧总产值的比重) Zscore: 农作物播种面积(千公顷) Zscore: 农村用电量(亿千瓦时) Component 1 .507 2 -.697 .120 .112 .170 .066 .072 .164 .026 -.257 .691 -.510 .247 -.022 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores. 经过旋转后，农作物播种面积(千公顷)、农村用电量(亿千瓦时)在因子一上有较大载荷，财政用于农业的支出的比重、农业总产值占农林牧总产值的比重咋因子二上有较大载荷。故因子一可称为农业基本发展条件，因子二可称为政府支持情况。

6.历年农民收入总得分降序表

其中F=f1*84.572/93.902+f2*9.330/93.902

年份 2004 2005 1998 1999 2000 2001 2002 f1

1.46067 1.24137 1.44755 0.88995 0.83304 0.79886 0.56754 f2 总分F

0.23231 1.338621494 1.08005 1.225341421 -1.0258 1.20180065 -0.04301 0.797252115 0.28099 0.778188916 0.42652 0.761864705 0.85163 0.595766872

2003 1997 1996 1986 1991 1995 1992 1994 1990 1993 1987 1989 1988

数据：

财政用于农业的支出的比重 0.29613 1.3662 0.402450985 0.35599 0.15899 0.336416295 0.141 0.023 0.129275649 0.0712 -2.97824 -0.231789023 -0.35654 -0.496 -0.370396593 -0.53681 0.53338 -0.430477092 -0.46086 -0.24669 -0.439580303 -0.68793 0.39726 -0.580106709 -0.70907 -0.29782 -0.66820865 -0.78235 0.24344 -0.680428628 -0.88133 -1.73639 -0.966287826 -1.23195 0.22253 -1.087434458 -2.45646 1.00764 -2.112270813

第二、三产业从业人数占全社会从非农村人口比重(%) 业人数的比重(%) 年份 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 乡村从业人员占农农业总产值占农林牧农作物播种面积农村用电量(亿村人口的比重 总产值的比重 (千公顷) 千瓦时) 13.43 12.2 7.66 9.42 9.98 10.26 10.05 9.49 9.2 8.43 8.82 8.3 10.69 8.23 7.75 7.71 7.17 7.12 9.67 7.22 29.5 31.3 37.6 39.9 39.9 40.3 41.5 43.6 45.7 47.8 49.5 50.1 50.2 49.9 50 50 50 50.9 53.1 17.92 19.39 23.71 26.21 26.41 26.94 27.46 27.99 28.51 29.04 30.48 31.91 33.35 34.78 36.22 37.66 39.09 40.53 41.76 55.2 36.01 38.62 45.9 49.23 49.93 50.92 51.53 51.86 52.12 52.41 53.23 54.93 55.84 57.16 59.33 60.62 62.02 63.72 65.64 42.99 79.99 75.63 69.25 62.75 64.66 63.09 61.51 60.07 58.22 58.43 60.57 58.23 58.03 57.53 55.68 55.24 54.51 50.08 50.05 67.59 150104.07 146379.53 143625.87 146553.93 148362.27 149585.8 149007.1 147740.7 148240.6 149879.3 152380.6 153969.2 155705.7 156372.81 156299.85 155707.86 154635.51 152414.96 153552.55 155487.49.72 73 253.1 320.8 508.9 790.5 844.5 963.2 1106.9 1244.9 1473.9 1655.7 1812.7 1980.1 2042.2 2173.45 2421.3 2610.78 2993.4 3432.92 3933.03 4375.7

本文来源：https://www.bwwdw.com/article/5vir.html