因子分析成分分析.doc

《公共管理定量分析》实验报告 实验完成者 谭希荣 班 级 2010公共事业管理2班 学 号 20100710030231 实验时间 2013 年 5 月 8 日 一、 实 验 名 称 因子分析、主成分分析 二、实验目的 学习利用SPSS进行因子分析、主成分分析 三、实验内容 1、 （因子分析）对2008年重庆市40个区县经济发展基本情况进行分析，选择合适的分析变量，找出影响地区社会经济发展水平的主要因子，并对各地区发展水平进行综合评价或者对各地区经济发展状况进行分类。 2、 （主成分分析）调查美国50个州7种犯罪率，这七种犯罪是：murder（杀人罪），rape（强奸罪），robbery（抢劫罪），assault（斗殴罪），burglary（夜盗罪），larceny（偷盗罪），auto（汽车犯罪），很难直接从这七个变量出发来评价各州的治安和犯罪情况，试作主成份分析．说明选几个主成分合适，找出几个主成分，并按照第一、第二主成分分别对50个周进行排名，并解释之。 四、实验结果及分析 一、因子分析? 基本操作：? 1、选择Analyze→Data?Reduction→Factor，打开Factor?Analysis主对话框；选择变量X1～X8，单击向右箭头，将其选入到Variable框中；? 2、分别点Descriptives按钮，选Coefficients复选框，输出相关系数；选中KMO?and?Bartlett’s?test?of?sphericity复选框，检验因子分析的适用条件；点Rotation按钮，选Varimax复选框，选择方差最大化旋转方法；单击Scores按钮选Display?factor?score?coefficient?matrix，显示因子得分函数系数矩阵；选Save?as?variable； 结果如下： 分析：由上图可知，KMO值为0.684，说明对数据做因子分析的效果一般。 分析：由旋转后的因子载荷矩阵可知，公共因子F1在X1工业总产值(万元)，?X3建筑业总产值（万元），X4地方财政预算内收入(亿元)，X5非农业人口（万人），X6公路货运量(万吨)，X7城镇化率（%）上的载荷值比较大。其中X1，X6反映区县工业发展规模，X3反映区县建筑业发展情况，X5，X7是反映各区县规模的指标。因此F1为城镇规模及经济发展水平的公共因子。公共因子F2在X8农村居民人均住房面积（平方米）的载荷值很大，是反映农村居民的住房条件，因此F2为城镇居民住房条件的公共因子。公共因子F3在X2农业总产值(万元)的载荷值很大，而X2是反映各区县在农产业上的发展水平，因此F3为城镇农村经济水平的公共因子。 （三）计算因子得分 根据上面的特征根及累计贡献率表里的数据，计算因子得分。公式即： F=（52.806*F1+17.014*F2 +15.731*F3）/85.551 得到下表： 区县 F1 F2 F3 F 　渝中区 2.0085824 -4.611722 -1.487759 0.0490635 　大渡口区 0.1498701 1.8816663 -1.892361 0.1187593 　江北区 1.64237 -0.476049 -1.278366 0.6840075 　沙坪坝区 1.7254144 0.8831068 -1.128461 1.0331334 　九龙坡区 2.0235861 0.4443321 -1.137445 1.1282651 　南岸区 1.2405791 1.6162233 -1.354465 0.8381123 　北碚区 0.2811007 0.6698013 -0.862125 0.1481889 　渝北区 2.108302 0.8531174 0.3984027 1.5442626 　巴南区 0.7959491 0.4618641 0.5832678 0.6904002 　万盛区 -0.591214 1.5481062 -1.321607 -0.30006 　双桥区 -0.759264 -0.223325 -2.172893 -0.912615 　涪陵区 1.1886477 -0.305687 1.2066198 0.8947657 　长寿区 0.3383415 0.2594886 0.5552838 0.3625506 　江津区 0.9586046 0.1656406 2.2570754 1.0396645 　合川区 0.4681594 0.1615886 1.6708595 0.6283408 　永川区 0.7814371 0.5108907 1.0632962 0.7794599 　南川区 -0.52712 0.02489 0.2587358 -