主成分分析和因子分析實(shí)驗(yàn)報(bào)告

1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)主成分分析實(shí)驗(yàn)報(bào)告一、實(shí)驗(yàn)數(shù)據(jù)2013年，在國(guó)內(nèi)外形勢(shì)錯(cuò)綜復(fù)雜的情況下，我國(guó)經(jīng)濟(jì)實(shí)現(xiàn)了平穩(wěn)較快發(fā)展。全年國(guó)內(nèi)生產(chǎn)總值億元，比上年增長(zhǎng)7.7%。其中第三產(chǎn)業(yè)增加值億元，增長(zhǎng)8.3%，其在國(guó)內(nèi)生產(chǎn)總值中的占比達(dá)到了46.1%，首次超過(guò)第二產(chǎn)業(yè)。經(jīng)濟(jì)的快速發(fā)展也帶來(lái)了就業(yè)的持續(xù)增加，年末全國(guó)就業(yè)人員76977萬(wàn)人，其中城鎮(zhèn)就業(yè)人員38240萬(wàn)人，全年城鎮(zhèn)新增就業(yè)1310萬(wàn)人。隨著我國(guó)城鎮(zhèn)化進(jìn)程的不斷加快，加之農(nóng)業(yè)用地量的不斷衰減，工業(yè)不斷的轉(zhuǎn)型升級(jí)，使得勞動(dòng)力就業(yè)壓力的緩解需

2、要更多的依靠服務(wù)業(yè)的發(fā)展。指標(biāo)選擇根據(jù)指標(biāo)選擇的可行性、針對(duì)性、科學(xué)性等原則，選擇13個(gè)指標(biāo)來(lái)衡量服務(wù)業(yè)的發(fā)展水平，指標(biāo)體系如表1所示：表1 服務(wù)業(yè)發(fā)展水平指標(biāo)體系指標(biāo)單位計(jì)算方法代碼服務(wù)業(yè)增加值億元服務(wù)業(yè)各企事業(yè)單位增加值X1服務(wù)業(yè)就業(yè)人數(shù)萬(wàn)人服務(wù)業(yè)吸納勞動(dòng)力數(shù)量X2服務(wù)業(yè)產(chǎn)值比重%服務(wù)業(yè)增加值/GDPX3服務(wù)業(yè)就業(yè)比重%服務(wù)業(yè)就業(yè)人數(shù)/總就業(yè)人數(shù)X4人均服務(wù)產(chǎn)品占有量元/人服務(wù)業(yè)增加值/地區(qū)總?cè)丝跀?shù)X5服務(wù)密度元/萬(wàn)平方公里服務(wù)業(yè)增加值/地區(qū)面積X6服務(wù)綜合生產(chǎn)率億元/萬(wàn)人服務(wù)業(yè)增加值/服務(wù)業(yè)就業(yè)人數(shù)X7服務(wù)業(yè)貢獻(xiàn)率%服務(wù)增加值/總?cè)丝赬8人均GDP元國(guó)內(nèi)生產(chǎn)總值/總?cè)丝赬9服務(wù)業(yè)增長(zhǎng)速度

3、%（報(bào)告期不變價(jià)服務(wù)業(yè)增加值/基期不變價(jià)服務(wù)業(yè)增加值-1）*100%X10工業(yè)化水平%工業(yè)增加值/國(guó)內(nèi)生產(chǎn)總值X11城市化水平%城鎮(zhèn)人口/總?cè)丝赬12服務(wù)業(yè)全社會(huì)固定資產(chǎn)投資額億元服務(wù)業(yè)各行業(yè)固定資產(chǎn)投資額X13（二）指標(biāo)數(shù)據(jù)本次實(shí)驗(yàn)采用的數(shù)據(jù)是我國(guó)31個(gè)省（市、自治區(qū)）2012年的數(shù)據(jù)，原數(shù)據(jù)均來(lái)自2013中國(guó)統(tǒng)計(jì)年鑒以及2013年各?。ㄊ?、自治區(qū)）統(tǒng)計(jì)年鑒，不能直接獲得的指標(biāo)數(shù)據(jù)是通過(guò)對(duì)相關(guān)原始數(shù)據(jù)的換算求得。原始數(shù)據(jù)如表2所示：表2 2012年各地區(qū)服務(wù)業(yè)發(fā)展水平統(tǒng)計(jì)數(shù)據(jù)表地區(qū)X1X2X3X4X5X6X7北 京13669.93837.400.760.766.618329.9716.32天

4、 津6058.46401.000.470.504.295071.1715.11河 北9384.781258.000.350.311.29497.087.46山 西4682.95653.100.390.361.30298.857.17內(nèi)蒙古5630.50485.400.350.372.2647.6011.60遼 寧9460.121078.000.380.442.16639.208.78吉 林4150.36515.800.350.381.51221.478.05黑龍江5540.31662.590.400.331.45117.138.36上 海12199.15629.840.600.565.1219

5、240.0419.37江 蘇23517.981737.230.440.372.972292.2013.54浙 江15681.131288.310.450.352.861540.3912.17安 徽5628.481568.300.330.370.94402.033.59福 建7737.13929.950.390.362.06623.968.32江 西4486.06922.710.350.361.00268.794.86山 東19995.812141.100.400.332.061272.819.34河 南9157.571740.180.310.280.97548.365.26湖 北8208.58

6、1266.500.370.341.42441.566.48湖 南8643.601401.540.390.351.30408.106.17廣 東26519.692037.880.460.342.501474.9513.01廣 西4615.30809.000.350.280.99194.995.70海 南1339.53193.910.470.401.51378.406.91重 慶4494.41617.820.390.381.53545.427.27四 川8242.311573.830.350.331.02169.945.24貴 州3282.75398.680.480.220.94186.348.2

7、3云 南4235.72856.680.410.300.91108.614.94西 藏377.8081.360.540.401.233.084.64陜 西5009.65457.600.350.221.33243.4210.95甘 肅2269.61356.640.400.240.8850.026.36青 海624.29121.300.330.391.098.675.15寧 夏982.52120.500.420.351.52148.878.15新 疆2703.18360.370.360.361.2116.287.50表2（續(xù)）地區(qū)X8X9X10X11X12X13北 京0.8087475.005.06

8、0.180.865341.70天 津0.5393173.004.440.470.824884.60河 北0.4436584.002.950.350.479469.90山 西0.8233628.004.500.390.514335.20內(nèi)蒙古0.4063886.006.440.350.585215.20遼 寧0.5056649.002.800.380.6611812.60吉 林0.3443415.003.650.350.543970.50黑龍江0.8935711.002.970.400.574619.00上 海1.0785373.003.030.600.893861.10江 蘇0.5468347

9、.004.150.440.6314804.90浙 江0.6463374.003.210.450.6311326.70安 徽0.3428792.002.860.330.478090.90福 建0.4052763.002.780.390.607597.20江 西0.4528800.003.300.350.484401.40山 東0.5651768.003.650.400.5215875.70河 南0.4431499.003.060.310.429582.30湖 北0.3738572.003.060.370.548069.90湖 南0.4433480.003.410.390.477931.40廣 東

10、0.6354095.004.080.460.6712348.00廣 西0.4727952.003.290.350.445386.70海 南0.5732377.003.930.470.521710.20重 慶0.6238914.003.800.390.575503.00四 川0.4329608.003.000.350.4410489.00貴 州0.4419710.005.860.480.364074.60云 南0.3822195.003.740.410.395082.60西 藏0.5822936.002.940.540.23429.00陜 西0.3438564.004.300.350.50721

11、5.70甘 肅0.4921978.003.930.400.392236.10青 海0.3833181.002.910.330.47921.70寧 夏0.5036394.007.130.420.51987.90新 疆0.5133796.004.050.360.442685.90實(shí)驗(yàn)步驟本次實(shí)驗(yàn)是在SPSS中實(shí)現(xiàn)主成分分析，具體步驟如下：（一）數(shù)據(jù)標(biāo)準(zhǔn)化，單擊主菜單“Analyze”(分析)展開(kāi)下拉菜單，在下拉菜單中尋找“Descriptive Statistics”,在小菜單中尋找“Descriptives”(描述)，展開(kāi)Descriptives對(duì)話框，將左面的矩形框中的變量X1、X2、X13，

12、通過(guò)單擊向右的箭頭按鈕，調(diào)入到右面的“Variables”(變量)框中。選中Save standardized values as variables(對(duì)變量進(jìn)行標(biāo)準(zhǔn)化)復(fù)選框，點(diǎn)擊OK按（二）單擊主菜單“Analyze”(分析)展開(kāi)下拉菜單，在下拉菜單中尋找“Data Reduction”彈出小菜單，在小菜單中尋找“Factor”(因子)，展開(kāi)“Factor Analysis”(因子分析)主對(duì)話框。（三）選擇分析變量。將左面的矩形框中參與分析的標(biāo)準(zhǔn)化后的變量ZX1、ZX2、ZX13，通過(guò)單擊向右的箭頭按鈕，調(diào)入到右面的“Variables”(變量)框中。（四）因子分析過(guò)程選項(xiàng)，主對(duì)話框選擇項(xiàng)

13、中共有5個(gè)功能按鈕：1.單擊【Descriptives】(描述統(tǒng)計(jì)量)按鈕，展開(kāi)“Descriptives”對(duì)話框，在Statistics中選中Univariate descriptive(單變量描述統(tǒng)計(jì)量)和Initial solution（初始因子分析結(jié)果），在Correlation Matrix中選擇coefficients(相關(guān)系數(shù)矩陣)、Significance levels(顯著性P值)，KMO and Bartletts test of sphericity,點(diǎn)擊Continue按鈕。2.在主對(duì)話框中，單擊【Extraction】(因子提取)按鈕，展開(kāi)“Extraction”對(duì)話

14、框，在Method中選擇Principal components(主成分法)，其他均為系統(tǒng)默認(rèn)，點(diǎn)擊Continue按鈕。3.在主對(duì)話框中，單擊【Scores】(因子得分)按鈕，展開(kāi)“Scores”對(duì)話框，選中Save as variables（將因子得分作為新變量保存在數(shù)據(jù)文件中）復(fù)選框，單擊Continue按鈕。（五）在主對(duì)話框中，單擊【OK】按鈕執(zhí)行運(yùn)算。三、實(shí)驗(yàn)結(jié)果(一)利用SPSS進(jìn)行因子分析輸出結(jié)果表3至表4所示。表3 Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared Loa

15、dingsTotal% of VarianceCumulative %Total% of VarianceCumulative %16.31248.55548.5556.31248.55548.55522.85121.93370.4882.85121.93370.48831.2899.91880.4061.2899.91880.40641.0327.93688.3411.0327.93688.3415.5924.55592.8976.3712.85395.7507.2321.78297.5318.1551.19498.7269.072.55099.27610.058.44499.72011.0

16、29.22399.94312.007.05499.99713.000.003100.000表4 Component MatrixaComponent1234Zscore: 服務(wù)業(yè)增加值.553.765.091.190Zscore: 服務(wù)業(yè)就業(yè)人數(shù).108.952.043-.043Zscore: 服務(wù)業(yè)產(chǎn)值比重.775-.326.053-.025Zscore: 服務(wù)業(yè)就業(yè)比重.799-.233-.266-.382Zscore: 人均服務(wù)產(chǎn)品占有量.974-.057-.171-.046Zscore: 服務(wù)密度.846-.168.247-.155Zscore: 服務(wù)綜合生產(chǎn)率.927.001-.00

17、6.280Zscore: 服務(wù)業(yè)貢獻(xiàn)率.692-.209.410-.118Zscore: 人均GDP.916.105-.181.074Zscore: 服務(wù)業(yè)增長(zhǎng)速度.130-.390-.417.768Zscore: 工業(yè)化水平.188-.204.846.345Zscore: 城市化水平.908.078-.159-.033Zscore: 服務(wù)業(yè)社會(huì)固定資產(chǎn)額投資.185.955.004.114表3中Total列為各因子對(duì)應(yīng)的特征根，本實(shí)驗(yàn)中共提取4各公因子；% of Variance列為各因子的方差貢獻(xiàn)率；Cumulative %列為各因子累積方差貢獻(xiàn)率，由表中可以看出，前四個(gè)因子已經(jīng)可以解釋8

18、8.341%的方差。（二）利用因子分析結(jié)果進(jìn)行主成分分析1.將表4中因子載荷陣中的數(shù)據(jù)輸入SPSS數(shù)據(jù)編輯窗口，分別命名為a1、a2、a3和a4。2.為了計(jì)算第一個(gè)特征向量，點(diǎn)擊菜單項(xiàng)中的Transform-Compute，調(diào)出Compute variable對(duì)話框，在對(duì)話框中輸入等式：z1=a1/SQRT(6.312)點(diǎn)擊OK按鈕，即可在數(shù)據(jù)編輯窗口中得到以z1為變量名的第一特征向量。然后以同樣的方式，分別在對(duì)話框中輸入等式：z2=a2/SQRT(2.851)z3=a3/SQRT(1.289)z4=a4/SQRT(1.032)得到以z2、z3、z4為變量名的第二、三、四特征向量。這樣，可得到

19、如表6所示的特征向量矩陣。表5 特征向量矩陣Z1Z2Z3Z4X10.2200.4530.0800.187X20.0430.5640.038-0.042X30.308-0.1930.047-0.025X40.318-0.138-0.234-0.376X50.388-0.034-0.151-0.045X60.337-0.0990.218-0.153X70.3690.001-0.0050.276X80.275-0.1240.361-0.116X90.3650.062-0.1590.073X100.052-0.231-0.3670.756X110.075-0.1210.7450.340X120.361

20、0.046-0.140-0.032X130.0740.5660.0040.112根據(jù)表5可以得到主成分的表達(dá)式：Y=0.220X+0.043X+0.308X+0.318X+0.388X+0.337X+0.369X+0.275X +0.365X+0.052X+0.075X+0.361X+0.074XY=0.453X+0.564X-0.193X-0.138X-0.034X-0.099X+0.001X-0.124X +0.062X-0.231X-0.121X+0.046X+0.566XY=0.080X+0.038X+0.047X-0.234X-0.151X+0.218X-0.005X+0.361X

21、-0.159X-0.367X+0.745X-0.140X+0.004XY=0.187X-0.042X-0.025X-0.376X-0.045X-0.153X+0.276X-0.116X +0.073X+0.756X+0.340X-0.032X+0.112X再以特征根為權(quán)，對(duì)4個(gè)主成分進(jìn)行加權(quán)綜合，得出各地區(qū)的綜合得分，具體數(shù)據(jù)見(jiàn)表6。綜合得分的計(jì)算公式是Y=Y+Y+Y+Y根據(jù)上式可以計(jì)算出各地區(qū)的綜合得分，并可據(jù)此排序。表6 各地區(qū)主成分得分及排序地區(qū)YYYY綜合得分排序北 京7.30-1.24-3.45-1.483.192天 津3.93-1.28-0.540.581.845河 北-1.131

22、.43-0.04-0.45-0.3112山 西-0.41-1.030.390.10-0.4316內(nèi)蒙古0.33-0.88-2.032.00-0.0810遼 寧0.781.39-0.31-0.780.678吉 林-0.97-0.56-0.94-0.35-0.8121黑龍江-0.05-0.611.14-0.76-0.1211上 海7.68-1.833.11-0.674.061江 蘇2.542.960.261.412.283浙 江1.941.610.820.421.596安 徽-1.961.34-0.50-1.22-0.9122福 建-0.040.65-0.15-0.570.079江 西-1.71-

23、0.12-0.27-0.86-1.0824山 東0.813.520.420.651.427河 南-1.892.04-0.27-0.63-0.6218湖 北-0.971.10-0.21-0.51-0.3313湖 南-1.040.990.14-0.28-0.3414廣 東2.323.040.891.442.264廣 西-1.960.010.00-0.47-1.1226海 南-0.52-2.140.71-0.12-0.7520重 慶-0.34-0.620.05-0.31-0.3615四 川-1.611.75-0.02-0.67-0.5117貴 州-1.73-1.660.652.26-1.0825云

24、南-2.11-0.330.330.00-1.2128西 藏-1.56-2.662.15-0.69-1.3429陜 西-1.32-0.05-0.691.03-0.7219甘 肅-2.19-1.360.470.25-1.4730青 海-2.00-1.48-0.72-1.39-1.6731寧 夏-0.73-2.71-0.982.25-0.9823新 疆-1.38-1.27-0.40-0.16-1.1327從表6可以看出，上海市的綜合評(píng)價(jià)排在第一，原始數(shù)據(jù)也反映出其存在明顯的規(guī)模優(yōu)勢(shì)，另外從第一個(gè)主成分看，上海市也排在第一位，同樣存在效益優(yōu)勢(shì)；而排在最后三位的分別是西藏、甘肅、青海。因子分析實(shí)驗(yàn)報(bào)告本

25、次實(shí)驗(yàn)采用的是2012年反映我國(guó)31個(gè)?。ㄖ陛犑小⒆灾螀^(qū)）服務(wù)業(yè)發(fā)展水平的14個(gè)指標(biāo)（數(shù)據(jù)見(jiàn)主成分分析報(bào)告表2）。14個(gè)指標(biāo)分別為：服務(wù)業(yè)增加值（X1）、服務(wù)業(yè)就業(yè)人數(shù)（X2）、服務(wù)業(yè)產(chǎn)值比重（X3）、服務(wù)業(yè)就業(yè)比重（X4）、人均服務(wù)產(chǎn)品占有量（X5）、服務(wù)密度（X6）、服務(wù)綜合生產(chǎn)率（X7）、服務(wù)業(yè)貢獻(xiàn)率（X8）、人均GDP（X9）、服務(wù)業(yè)增長(zhǎng)速度（X10）、工業(yè)化水平（X11）、城市化水平（X12）、服務(wù)業(yè)全社會(huì)固定資產(chǎn)投資（X13）.這些指標(biāo)之間有很強(qiáng)的相關(guān)性，如果利用所有14個(gè)指標(biāo)對(duì)31個(gè)?。ㄖ陛犑?、自治區(qū)）進(jìn)行服務(wù)業(yè)發(fā)展水平分析，難免會(huì)出現(xiàn)信息的重疊，而利用因子分析可以解決這個(gè)問(wèn)題。

26、一、實(shí)驗(yàn)步驟本次實(shí)驗(yàn)是在SPSS中實(shí)現(xiàn)主成分分析，具體步驟如下：（一）定義變量及標(biāo)簽 。（二）輸入數(shù)據(jù)，建立數(shù)據(jù)文件。（三）數(shù)據(jù)標(biāo)準(zhǔn)化，單擊主菜單“Analyze”(分析)展開(kāi)下拉菜單，在下拉菜單中尋找“Descriptive Statistics”,在小菜單中尋找“Descriptives”(描述)，展開(kāi)Descriptives對(duì)話框，將左面的矩形框中的變量X1、X2、X13，通過(guò)單擊向右的箭頭按鈕，調(diào)入到右面的“Variables”(變量)框中。選中Save standardized values as variables(對(duì)變量進(jìn)行標(biāo)準(zhǔn)化)復(fù)選框，點(diǎn)擊OK按鈕。（四）單擊主菜單“Anal

27、yze”(分析)展開(kāi)下拉菜單，在下拉菜單中尋找“Data Reduction”彈出小菜單，在小菜單中尋找“Factor”(因子)，展開(kāi)“Factor Analysis”(因子分析)主對(duì)話框。（五）選擇分析變量。將左面的矩形框中參與分析的標(biāo)準(zhǔn)化后的變量ZX1、ZX2、ZX13，通過(guò)單擊向右的箭頭按鈕，調(diào)入到右面的“Variables”(變量)框中。（六）因子分析過(guò)程選項(xiàng)，主對(duì)話框選擇項(xiàng)中共有5個(gè)功能按鈕：1.單擊【Descriptives】(描述統(tǒng)計(jì)量)按鈕，展開(kāi)“Descriptives”對(duì)話框，在Statistics中選中Univariate descriptive(單變量描述統(tǒng)計(jì)量)和In

28、itial solution（初始因子分析結(jié)果），在Correlation Matrix中選擇coefficients(相關(guān)系數(shù)矩陣)、Significance levels(顯著性P值)，點(diǎn)擊Continue按鈕。2.在主對(duì)話框中，單擊【Extraction】(因子提取)按鈕，展開(kāi)“Extraction”對(duì)話框，在Method中選擇Principal components(主成分法)，其他均為系統(tǒng)默認(rèn)，點(diǎn)擊Continue按鈕。3.在主對(duì)話框中，單擊【Rotation】（旋轉(zhuǎn)）按鈕，展開(kāi)“Rotation”對(duì)話框，在Method（旋轉(zhuǎn)方法）欄中選擇Varimax(最大方差旋轉(zhuǎn)項(xiàng))；在Disp

29、lay欄中選擇要求的輸出項(xiàng)，這里選擇Rotated solution（輸出旋轉(zhuǎn)后的結(jié)果）；在Maximum Iterations for Convergence(參數(shù)框中指定旋轉(zhuǎn)收斂的最大迭代次數(shù))，這里選擇系統(tǒng)默認(rèn)值為25，點(diǎn)擊Continue按鈕。4.在主對(duì)話框中，單擊【Scores】(因子得分)按鈕，展開(kāi)“Scores”對(duì)話框，選中Save as variables（將因子得分作為新變量保存在數(shù)據(jù)文件中）復(fù)選框，在Method(方法)框中，選擇計(jì)算因子得分的方法，這里選用Regression(回歸法)；選中Display factor score coefficient matrix(輸

30、出因子得分系數(shù)矩陣)復(fù)選框，單擊Continue按鈕。5在主對(duì)話框中單擊【Options】輸出的選擇按鈕，展開(kāi)Options對(duì)話框，在Missing Value(缺失值)欄中，選擇Exclude cases Listwise(有缺失值的觀測(cè)量一律剔除)，在Coefficent display format(選擇因子載荷系數(shù)的輸出方式)中選擇Sorted by size(按絕對(duì)值大小排列)，單擊Continue按鈕。（七）在主對(duì)話框中，單擊【OK】按鈕執(zhí)行運(yùn)算。二、實(shí)驗(yàn)結(jié)果（一）實(shí)驗(yàn)結(jié)果輸出輸出結(jié)果如表1至表7所示：表1 KMO and Bartletts TestKaiser-Meyer-Ol

31、kin Measure of Sampling Adequacy.821Bartletts Test of SphericityApprox. Chi-Square581.552df78Sig.000表2 CommunalitiesInitialExtractionZscore: 服務(wù)業(yè)增加值1.000.935Zscore: 服務(wù)業(yè)就業(yè)人數(shù)1.000.923Zscore: 服務(wù)業(yè)產(chǎn)值比重1.000.711Zscore: 服務(wù)業(yè)就業(yè)比重1.000.910Zscore: 人均服務(wù)產(chǎn)品占有量1.000.984Zscore: 服務(wù)密度1.000.829Zscore: 服務(wù)綜合生產(chǎn)率1.000.938Z

32、score: 服務(wù)業(yè)貢獻(xiàn)率1.000.705Zscore: 人均GDP1.000.889Zscore: 服務(wù)業(yè)增長(zhǎng)速度1.000.932Zscore: 工業(yè)化水平1.000.912Zscore: 城市化水平1.000.858Zscore: 服務(wù)業(yè)全社會(huì)固定資產(chǎn)投資額1.000.960表3 Correlation MatrixX1X2 X3X4 X5X6X7X8X9X10X11X12X13CorrelationX11.000.771.297.551.273.537-.102.067.495.833X2.7971.000-.160-.102.044-.021.039-.064.129-.347-.

33、171.123.911X3.254-.1601.000.739.802.666.649.637.518-.151X4.185-.102.7391.000.855.666.581.520.724.040-.111.727-.110X5.471.044.802.8551.000.793.892.585.922.171.046.884.124X6.297-.021.666.666.7931.000.762.673.686-.031.329.723-.036X7.551.039.649.581.892.7621.000.576.905.290.255.864.200X8.273-.064.637.52

34、0.585.673.5761.000.445-.004.358.539-.080X9.537.129.548.724.922.686.905.4451.000.147.088.925.283X10-.102-.347.231.040.171-.031.290-.004.1471.000-.019.091-.264X11.067-.171.224-.111.046.329.255.358.088-.0191.000.037-.110X12.495.123.518.727.884.723.864.539.925.091.0371.000.227X13.833.911-.151-.110.124-.

35、036.200-.080.283-.264-.110.2271.000表4 Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %16.31248.55548.5556.31248.55548.5555.97545.96445.964

36、22.85121.93370.4882.85121.93370.4882.93322.56368.52631.2899.91880.4061.2899.91880.4061.40010.76779.29441.0327.93688.3411.0327.93688.3411.1769.04888.3415.5924.55592.8976.3712.85395.7507.2321.78297.5318.1551.19498.7269.072.55099.27610.058.44499.72011.029.22399.94312.007.05499.99713.000.003100.000表5 Co

37、mponent MatrixaComponent1234Zscore: X5.974-.057-.171-.046Zscore: X7.927.001-.006.280Zscore: X9.916.105-.181.074Zscore: X12.908.078-.159-.033Zscore: X6.846-.168.247-.155Zscore: X4.799-.233-.266-.382Zscore: X3.775-.326.053-.025Zscore: X8.692-.209.410-.118Zscore: X12.185.955.004.114Zscore: X2.108.952.0

38、43-.043Zscore: X1.553.765.091.190Zscore: X11.188-.204.846.345Zscore: X10.130-.390-.417.768表6 Rotated Component MatrixaComponent1234Zscore: X5.975.136-.019.123Zscore: X2.908-.140-.228-.120Zscore: X12.884.254-.034.099Zscore: X9.871.302-.018.200Zscore: X6.843.000.318-.134Zscore: X7.833Zscore: X3.800-.1

39、49.202.084Zscore: X8.677-.058.462-.172Zscore: X13-.006.975-.071-.060Zscore: X2-.056.927-.104-.223Zscore: X1.356.891.118.039Zscore: X11.059-.049.952.020Zscore: X10.100-.212-.019.936表7 Component Score Coefficient MatrixComponent1234Zscore: X1-.003.315.104.094Zscore: X2-.037.316-.033-.111Zscore: X3.138

40、-.086.064-.007Zscore: X4.226-.134-.292-.220Zscore: X5.175-.001-.111.031Zscore: X6.145-.049.148-.189Zscore: X7.093.085.117.257Zscore: X8.103-.055.273-.208Zscore: X9.136.074-.085.127Zscore: X10-.055.007.003.821Zscore: X11-.093.033.732.049Zscore: X12.153.045-.106.029Zscore: X13-.049.349-.003.038實(shí)驗(yàn)結(jié)果解釋

41、1.表1中的KMO值為0.821，說(shuō)明適合進(jìn)行因子分析。2.Communalities（給出變量共同度）。變量共同度反映了每個(gè)變量對(duì)所提取的所有公共因子的依賴程度，它描述了全部公共因子對(duì)變量的總方差所作的貢獻(xiàn)。提取的因子個(gè)數(shù)不同，變量共同度也不同。從表2可以看出，各變量的共同度均較高，說(shuō)明全部公共因子對(duì)變量的總方差所作的貢獻(xiàn)較大，特殊因子的貢獻(xiàn)較小。3.Correlation Matrix(相關(guān)系數(shù)矩陣)，從表3可以看出，變量間的相關(guān)系數(shù)大部分都大于0.3，說(shuō)明各變量間大多是直接相關(guān)的，適合做因子分析。4.Total Variance Explained（給出各公因子方差貢獻(xiàn)表），從表4可以看

42、出，Total列為各因子對(duì)應(yīng)的特征值，本實(shí)驗(yàn)中共有4個(gè)因子對(duì)應(yīng)的特征值大于1，因此應(yīng)提取相應(yīng)的4個(gè)公因子；% of Variance列為各因子的方差貢獻(xiàn)率；Cumulative %列為各因子的累積方差貢獻(xiàn)率，本實(shí)驗(yàn)中前四個(gè)因子已經(jīng)可以解釋88.341%的方差。Rotation Sums of Squared Loadings給出提取出的公因子經(jīng)過(guò)旋轉(zhuǎn)后的方差貢獻(xiàn)情況。5.Component Matrix（給出旋轉(zhuǎn)前的因子載荷陣），根據(jù)表5可以寫(xiě)出每個(gè)原始變量的因子表達(dá)式：X=0.553F+0.765F+0.0911F+0.190FX=0.108F+0.952F+0.043F-0.043FX=0

43、.775F-0.326F+0.053F-0.025F從表5還可以看出，每個(gè)因子在不同原始變量上的載荷沒(méi)有明顯的差別，為了便于對(duì)因子進(jìn)行命名，需要對(duì)因子載荷陣進(jìn)行旋轉(zhuǎn)。6. Rotated Component Matrix（旋轉(zhuǎn)后因子載荷陣），從表6可以看出，經(jīng)過(guò)旋轉(zhuǎn)后的載荷系數(shù)已經(jīng)明顯地兩級(jí)分化了。第一個(gè)公共因子在指標(biāo)X3、X4、X5、X6、X7、X8、X9、X12上有較大的載荷，說(shuō)明這8個(gè)指標(biāo)有較強(qiáng)的相關(guān)性，可以歸為一類，這8個(gè)指標(biāo)屬于服務(wù)業(yè)發(fā)展質(zhì)量指標(biāo)；第二個(gè)公共因子在指標(biāo)在X1、X2、X13上有較大的載荷，同樣可以歸為一類，這三個(gè)指標(biāo)屬于服務(wù)業(yè)發(fā)展規(guī)模指標(biāo)；同理，X11可以歸為一類，這一

44、指標(biāo)屬于服務(wù)業(yè)發(fā)展環(huán)境指標(biāo)；X10可以歸為一類，這一指標(biāo)屬于服務(wù)業(yè)發(fā)展?jié)摿χ笜?biāo)。7. Component Score Coefficient Matrix（給出因子得分系數(shù)矩陣），根據(jù)表7中的因子得分系數(shù)和原始變量的標(biāo)準(zhǔn)化值可以計(jì)算每個(gè)觀測(cè)值得各因子的得分?jǐn)?shù)，并可以據(jù)此對(duì)觀測(cè)量進(jìn)行進(jìn)一步的分析。本實(shí)驗(yàn)中旋轉(zhuǎn)后的因子得分表達(dá)式可以寫(xiě)成：F=-0.003X-0.037X+0.138X+0.226X+0.175X+0.145X+0.093X+0.103X +0.136X-0.055X-0.093X+0.153X-0.049XF=0.315X+0.316X-0.086X-0.134X-0.001X-0.049X+0.085X-0.055X +0.074X+0.007X+0.033X+0.045X+0.349XF=0.104X-0.033X+0.064X-0.292X-0.111X+0.148X+0.117X+0.273X -0.085X+0.003X+0.732X-0.106X-0.003XF=0.094X-0.111X-0.007X-0