SPSS对于居民收入水平的数据分析.pdf

SPSS对于居民收入水平的数据分析

随着时代的发展，生产力水平的不断提高，我国居民的收入水平也在稳步提

高，通过对30个省市自治区居民收入的各项指标进行因子分析，聚类分析等，得

到各省之间的收入对比，以及找出哪些指标可以比较充分的说明它的整体情况。我

们共选择了12个指标：X1劳动者报酬、X2家庭营业收入、X3转移性收入、X4财

产性收入、X5食品支出、X6衣着支出、X7居住支出、X8家庭设备及服务支出、X9

医疗保健支出、X10交通和通讯支出、X11文教娱乐用品和服务支出、X12其他商

品及服务支出。

一．因子分析：

⑴．首先，我们需要检验一下数据是否适合做因子分析，即进行KMO检验：

KMOandBartlettsTest

Kaiser-Meyer-OlkinMeasureofSamplingAdequacy..771

Approx.Chi-Square425.382

BartlettsTestofSphericitydf66

Sig..000

由上表可知，KMO值为0.771，大于0.6，所以数据适合做因子分析。

⑵．SPSS得出因子提取和因子旋转的结果：

TotalVarianceExplained

ExtractionSumsofRotationSumsof

InitialEigenvalues

SquaredLoadingsSquaredLoadings

Component

%ofCumulative%ofCumulative%ofCumulative

TotalTotalTotal

Variance%Variance%Variance%

18.06367.19467.1948.06367.19467.1946.78356.52356.523

21.1709.74676.9401.1709.74676.9401.97416.44872.970

3.8106.74983.689.8106.74983.6891.28610.71983.689

4.7626.34890.037

5.3713.09493.131

6.3172.64495.775

7.2121.76797.542

8.1441.20298.745

9.065.54599.289

10.045.37699.665

11.026.21899.883

12.014.117100.000

由上表可知，较大的三个因子变量的方差特征值为8.063，1.170，0.810。

它们的累计贡献率达到了83.689%。

⑶．将这三个特征值建立因子载荷阵，如左下图所示：

ComponentMatrixa

Component