管理统计学与SPSS 16.0应用课件习题及答案11.doc

（1）简述因子分析的基本思想用较少的变量来代替原来较多的变量，并且这种替代可以反映原来多个变量的大部分信息为什么要对初始因子分析结果进行旋转？一个变量在多个公共因子上有较大的负荷，多个变量在同一个公共因子上有较大的负荷，很难对因子的实际背景进行合理的解释。通过因子旋转使每个变量仅在一个公共因子上有较大的负载，而在其余的公共因子上的负载较小简述主成分分析的基本思想。多个变量中尽可能快提取信息。一般根据什么确定主成分的提取数量？特征根与方差贡献率案例分析题一：以下数据是某医院近三年的门诊人次、出院人数、病床利用率、病床周转次数、平均住院天数、治愈好转率、病死率、诊断符合率和抢救成功率等9个指标的统计。试采用因子分析方法探讨综合评价指标。在SPSS窗口中选择菜单项Analyze→Data Reduction→Factor，打开Factor Analysis对话框将原始变量移入Variables列表框中描述性统计设置单击Descriptives按钮，弹出Factor Analysis：Descriptives对话框选中Initial solutionCoefficients、Significance levels和KMO and Bartlett′s test of sphericity等个复选框第三步，因子提取设置单击Extraction按钮，弹出Factor Analysis：Extraction子对话框选择默认选项Principal components默认的相关系数矩阵单选按钮Unrotated factor solutions和Scree Plot第四步，因子旋转设置单击Rotation按钮，弹出Factor Analysis：Rotation子对话框在Method选项栏中选中Varimax（方差最大旋转）单选按钮，并选中Display选项栏中的Rotation solution复选框。第五步，因子得分设置单击Scores按钮，弹出Factor Analysis：Factor Scores子对话框，选中Save as variablesDisplay factor score coefficient matrix复选框Communalities Initial Extraction X1 1.000 .662 X2 1.000 .599 X3 1.000 .667 X4 1.000 .912 X5 1.000 .732 X6 1.000 .806 X7 1.000 .634 X8 1.000 .575 X9 1.000 .678 Extraction Method: Principal Component Analysis. 由Table1可知，所有的变量共同度都在%左右，说明。Correlation Matrix X1 X2 X3 X4 X5 X6 X7 X8 X9 Correlation X1 1.000 .044 .232 .288 .326 -.118 -.024 .355 -.425 X2 .044 1.000 .139 .572 -.420 .132 -.210 -.352 .505 X3 .232 .139 1.000 .707 -.145 -.039 -.191 .104 -.005 X4 .288 .572 .707 1.000 -.412 -.055 -.297 -.206 .235 X5 .326 -.420 -.145 -.412 1.000 .297 .093 .423 -.418 X6 -.118 .132 -.039 -.055 .297 1.000 -.380 -.063 .007 X7 -.024 -.210 -.191 -.297 .093 -.380 1.000 .093 -.284 X8 .355 -.352 .104 -.206 .423 -.063 .093 1.000 -.462 X9 -.425 .505 -.005 .235 -.418 .007 -.284 -.462 1.000 Sig. (1-tailed) X1 .400 .086 .045 .026 .247 .445 .017 .005 X2 .400 .210 .000 .005 .221 .109 .018 .001 X3 .086 .210 .000 .199 .410 .132 .274 .489 X4 .045 .000 .000 .006 .376 .039 .114 .084 X5 .026 .005 .199 .006 .039 .294 .005 .006 X6 .247 .221 .410 .37