因子分析报告和主成分分析报告.doc

《因子分析报告和主成分分析报告.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、因子分析和主成分分析实验目的学习利用SPSS进行因子分析和主成分分析。二、实验性质选修，基础层次三、主要仪器及试材计算机及SPSS软件四、实验容因子分析五、实验学时2学时六、实验方法与步骤1.开机；2.找到SPSS的快捷按纽或在程序中找到SPSS，打开SPSS；3.按要求建立数据文件；4.进行统计分析；5.撰写实验报告；6.关闭SPSS，关机。七、实验注意事项1.实验中不轻易改动SPSS的参数设置，以免引起系统运行问题。2.遇到各种难以处理的问题，请询问指导教师。3.为保证计算机的安全，上机过程中非经指导教师和实验室管理人员同意，禁止使用移动存储器。4.每次上机，个人应按

2、规定要求使用同一计算机，如因故障需更换，应报指导教师或实验室管理人员同意。5.上机时间，禁止使用计算机从事与课程无关的工作。八、上机作业例1：下表资料为25名健康人的7项生化检验结果，7项生化检验指标依次命名为X1至X7，请对该资料进行因子分析。 X1X2X3X4X5X6X73.763.660.545.289.7713.744.788.594.991.3410.027.510.162.136.226.144.529.842.172.731.097.577.287.0712.661.792.100.829.037.082.5911.764.546.221.285.513.9

3、81.306.925.337.302.403.270.620.443.367.638.848.398.747.013.3111.683.534.761.129.649.491.0313.5713.1318.522.359.731.331.009.879.8711.063.708.592.981.179.177.859.912.627.125.493.689.722.643.431.194.693.012.175.982.763.552.015.511.341.275.814.575.383.431.661.611.572.801.782.093.725.905.761.5

4、58.845.407.501.979.849.271.5113.69.0212.671.758.394.922.5410.053.965.241.434.944.381.036.686.499.062.817.232.301.777.794.395.372.279.467.311.0412.0011.5816.182.429.555.354.2511.742.773.511.054.944.524.508.071.792.101.298.213.082.429.103.754.661.729.416.445.1112.52.453.100.91实验步骤：1．建立数据文件。

5、定义变量名：分别为X1、X2、X3、X4、X5、X6、X7，按顺序输入相应数值，建立数据文件,保存为“生化检验”。2．选择菜单“分析→降维→因子分析”，弹出“因子分析”对话框。在对话框左侧的变量列表中选变量X1至X7，进入“变量”框，如图1。3．单击“描述”按钮，弹出“因子分析：描述统计”对话框，在“统计量”中选“单变量描述性”项，输出各变量的均数与标准差，“在相关矩阵”栏选“系数”，计算相关系数矩阵，并选“KMO和Bartlett的球型度检验”项，对相关系数矩阵进行统计学检验，如图2。图1图24．单击“抽取”按钮，弹出“因子分析：抽取”对话框，选用“主成分”方法提取因子

6、，如图3。图35．单击“旋转”按钮，弹出“因子分析：旋转”对话框，在“方法”栏中选择“最大方差”进行因子正交旋转，如图4。6．单击“得分”按钮，弹出“因子分析：得分”对话框，选择“回归”项估计因子得分系数，如图5。7．单击“确定”，得到输出结果。图4图5实验结果（1）考察原有变量是否适合进行因子分析表1表1显示原有变量的相关系数矩阵，可以看出大部分的相关系数都比较高，各变量呈较强的线性关系，能够从中提取公共因子，适合进行因子分析。表2由表1-2可知，巴特利特球度检验统计量观测值为326.191，相应的概率p值接近0，如果显著性水平α为0.05，由于概率p值小于显著性水平α

7、，应拒绝零假设，可以认为相关系数矩阵与单位阵有显著差异，同时KMO值为0.321，根据Kaiser给出的KMO度量标准可知KMO值偏小，意味着因子分析的结果可能不能接受。（2）提取因子表3表4表3和表4为因子方差表，提取因子后因子方差的值均很高，表明提取的因子能很好的描述这7个指标。方差分解表也表明前两个因子能够解释7个指标的88.593%。综合以上，提取前两个因子最好了。（3）因子的命名解释表5表6由表5、表6可知，由旋转成份矩阵可以看出，经旋转后，因子便于命名和解释。因子1主要解释的是X1、X2、X4、X7，命名为FAC1