使用SPSS軟件進(jìn)行因子分析和聚類分析的方法

1、使用 spssa 件進(jìn)行因子分析和聚類分析的方法一、方法原理1 .因子分析(FactorAnalysis)因子分析是從多個變量指標(biāo)中選擇出少數(shù)幾個綜合變量指標(biāo)的一種降維的多元統(tǒng)計方法。我們在多元分析中處理的是多指標(biāo)的問題， 觀察指標(biāo)的增加是為了使研究過程趨于完整，但由于指標(biāo)太多，使得分析的復(fù)雜性增加；同時在實際工作中，指標(biāo)間經(jīng)常具備一定的相關(guān)性，使得觀測數(shù)據(jù)所放映的信息有重疊，故人們希望用較少的指標(biāo)代替原來較多的指標(biāo)，但依然能放映原有的全部信息，于是就產(chǎn)生了因子分析方法。2 .聚類分析(ClusterAnlysis)聚類分析是根據(jù)事物本身特性來研究個體分類的統(tǒng)計方法，是按照物以類聚的原則來研究

2、的事物分類。3 .市場細(xì)分方法的流程圖因子分析均值多重比聚美分析、實證分析總?cè)丝冢▋|）生產(chǎn)總值（億）消費(fèi)總額（億）人均年工資（千）年度總儲蓄額/萬億年度財政總收入/億1啟樂由114.38153.6350.2710.88124.5510.022江都市106.69139.2943.3610.64119.4211.193丹陽市80.25174.7546.0113.5095.8116.624如皋市143.8798.7637.3611.2993.189.045興化市154.99103.2926.0010.3778.617.556東臺市116.24135.0836.0210.6085.398.207如東縣

3、109.36102.5736.8011.6283.688.878沐陽縣174.5487.0521.359.1528.403.819邳州市158.0492.6323.798.6640.245.7010海安縣96.5493.5426.4411.55101.768.5111沛縣119.5088.6018.538.8453.515.0612姜堰市90.7086.3331.5110.9576.408.6213射陽縣104.7098.1525.509.6046.485.9014縣寧縣105.0073.5019.709.2540.813.8515大豐市73.3790.6024.259.8853.336.31

4、16寶應(yīng)縣91.9967.8620.359.7547.384.8317建湖縣79.1281.2223.269.5146.215.8218東?？h114.3558.2818.248.2428.043.0819高郵市83.0670.5120.9510.2051.595.5620贛愉縣107.9161.7819.299.5827.473.0221豐縣109.0054.2016.808.2528.852.5322濱?？h108.0056.7014.609.3927.193.0023鹽都縣85.0090.6022.009.7812.755.0124儀征市59.3572.4029.0014.5652.3511

5、.2525泗洪103.0058.9012.307.9222.063.3626新沂市95.6054.2017.808.3126.153.3327漣水縣103.0052.6014.708.0319.412.5128灌云縣107.2340.0214.517.9519.851.9729揚(yáng)中市27.2480.1119.1813.1251.228.3130肝胎縣73.2258.8513.9910.0016.473.0831涕水縣40.2361.2619.7113.9722.236.7732灌南72.7129.479.867.9511.582.0633響水縣57.0029.478.978.9415.36Z.

6、0434金湖縣36.0431.4510.409.8517.562.7335洪澤縣39.0025.3011.1010.2514.302.24已調(diào)查 35 個城市的總?cè)丝?、生產(chǎn)總值、消費(fèi)總額、人均年工資、年度儲蓄總額、年度財政總收入等數(shù)據(jù)，試對上述城市進(jìn)行分類研究1 .因子分析：選用 Analyze-DataReduction-Factor,引入因子分析的 6 個變量(總?cè)丝?、生產(chǎn)總值、消費(fèi)總額、人均年工資、年度總儲蓄額、年度財政總收入)提取公因子的方法(Method):主成分分析法提取(Extract)可選：提取特征值大于 1 的因子旋轉(zhuǎn)(Rotation)的方法：方差最大正交旋轉(zhuǎn)因子得分(Fa

7、ctorScores):作為新變量存入表 1 方差解釋表（TotalVarianceExplained1因子特征值貢獻(xiàn)率累計貢獻(xiàn)率14.086868K21,1.4324%9 繆我們從原始表格中的 J 個變量中梃取出 2 個公因子，用這 2 個公因子就可以解釋原始表格中 92%的信息量表 2 旋轉(zhuǎn)后的因子負(fù)荷矩陣(RotatedComponentMatrix),4|41111*因子1因子2消費(fèi)因子人口因子總?cè)丝?.914I生產(chǎn)總值0.944i消費(fèi)思穎0.973i人均年工資0.630：|年度總儲蓄頷,1934年度財政總收入.11945根據(jù)原始表格中的 5 個變量與新生的 2 個公因子之間的：相關(guān)程

8、度，我們?yōu)檫@ 2 個公因子取名為消費(fèi)因子和人口因子：h2 .聚類分析：選用 Analyze-Classify-K-MeansCluster,引入聚類分析的 2 個變量（即上面的 2 個公因子）聚類的數(shù)目（NumberofClusters）:3 類聚類方法（Method）:僅分類儲存新變量（SaveNewVariables）:聚類成員表 3 各類數(shù)量分布表（NumberofCasesineachCluster新數(shù)量112216373 .均值多重比較:選用 AnalyzeCompareMeansOne-WayANOVA,將 2 個因子移入因變量，3 個類移入“Factor”多重比較方法(Multi

9、pleComparisons):鄧肯法 Duncan表 43 個類對于因子 1 的重視程度比較1ClusterNumberofCaseSubsetforalpha=0-05121-0,54668642-0.21189283L4215031IX7類別對于因干 1 的重視程度i2iB2B3A注：A 表示最重視，B 表示一般表 53 個類對于因子 2 的重視程度比較澤利對于因子 2 的重視程度i2132BBA注；A 表示最重視，B 表示一般4 .綜合ClusterNumberofCase123Subsetforalpha-0,05-.-.12T.7803180-0.41550080-7670201；根據(jù)不同類別對千 2 個公因子的;重視程度劃分等級，我們將被調(diào)查城:市劃分為 3 類并分別為其命名：折中型城市、人口（突出）型城市、消費(fèi)；（突出）型城市折中型城市大豐市寶應(yīng)縣建湖縣高郵市鹽都縣金湖縣揚(yáng)