我國城鎮(zhèn)居民人均消費(fèi)地SPSS統(tǒng)計(jì)分析報(bào)告

1、2013年我國城鎮(zhèn)居民人均消費(fèi)的SPSS統(tǒng)計(jì)分析一、搜集到的2013年我國31個城市城鎮(zhèn)居民人均消費(fèi)水平的數(shù)據(jù)炬Infill IBM 血計(jì)=£科働' me> Mig mbivi sub也 im(D 勞弄創(chuàng) »團(tuán) mH切 購i"世i ioq® mq固醫(yī)審n豔劇B-. 卡Mk-qmWCl血網(wǎng)1現(xiàn)I 1 > ' i*l inedal恫)Dp4伽tfleiTimDfhMi1北皿腳2ME6 1Q5311 9fl1BIX7DD1745 101?15 w1118 70JT38 W2291 QC&H9 442dlLS2E274 軸40

2、321 10ti?n ifl90<21K001974 341717 別41KOO3984 找ioi ta3曲2U11 H3223107M3 101«用2Q«ieo12Q5JAripgi id、血弐235>U«1CC7 5f4wbtwins22D JO4404 »uat id1£XJO打3ill? Jd>144 &Q1G&SGCfihS碼 50X7S TO1OF陽HI? 40S70 W*斌!別1TB W痂diBilCWiFIElejma w也賛TO6m? «打門恥1K1 101J33 別i»j

3、l 10171« «Jill MionF3T和喘g 旳25S?0 2DH03 M出吋41IM10IW.Sfl唧«D幕斡因220.61時2.71s百時15912 M22574 知46EB 誕19£l2ttwcnWI40F曲102217 9019K I3fi時T第9jEIi4ii.ra1K97.SD5AG9.9q1BD3-5D1I543J3D礫期T33i.BDle&ijg13K.4As&Ei.saID201£5 腫4%i 4D9022 M2D12 302W9013U3D*7弱 444122/111£37 S32037154

4、宓伺.兀71NLW2O13J01122JW陽如0932».QCm.Qv1?aiuSOME輕雞加曲mEM* 4-0關(guān)44®284 ?lM/N1J處1B2B5.H23I14UKS37D 2HiWM1443»4«DU11J01904.114«D1C創(chuàng)戦葩NtlS 40崗2* WM13 5O16 MWM環(huán)so3444 M方江IS13M Sfl21卿 S也1 ia5DUM$0碑闌1S12B01B71 2i?1 u16山寺1?112 »肝損4 ID542&MItHM17M no1?G9 Eiice 402474 901陽8t騙5畀14E2

5、2C02Z393 9D4915 KI1917 DD12S1 1CrS£4 5D17M30usm*550 ac151at15M9/WZ2«1OE25S2flIBM SO145& 30IC3.1 即im ioiszz ecw w%血15W «SU14 >0S5UMI5M4015M®iMB nr(i7a 汕2m mEM2»IM8J H3MrK IDM關(guān)酬1«|J 弭lizz ro舷M2i j廠13iSdVM2畑耳§441 »iflTS »wso1蹴5477ft 3fl抒卜902N4 MMS4155

6、3 >«ID3? caimnni mm?？?9B Id腳SUfltk -円電車I It數(shù)據(jù)來源：國家統(tǒng)計(jì)局 .c n/workspace/i ndex?m=hg nd二、對數(shù)據(jù)的基本分析在數(shù)據(jù)文件建立好后，通常還需要對待分析的數(shù)據(jù)進(jìn)行必要的預(yù)加工處理，這是數(shù)據(jù)分析過程中不可缺少的一個關(guān)鍵環(huán)節(jié)（一）、對數(shù)據(jù)按人均消費(fèi)（expe nd）進(jìn)行降序排列操作步驟：（1）:選擇“數(shù)據(jù)”-“排序個案”菜單項(xiàng)（2）：將“人均消費(fèi)（expe nd）”選入“排序依據(jù)”列表框，選中“降序”（3）:點(diǎn)擊“確認(rèn)”按鈕，生成如下降序排列的數(shù)據(jù)集I VtfcittW民呂j

7、3; ：-w圉上1|BM護(hù)M 531:円關(guān)】撫I：出4!ffMHbhhsSME MH>£ MUI1： “或衛(wèi)出和上 U曲宦 tll-煌：刊:址實(shí)山HT辿呵I33eu(pa«3iHcnmIwdcMwvkun qihwiiMdinv«caintHpEHt 章iMTliiilsnmaihim12B165M4J351 409SZ2 90謝2筑.血7騎1705 !&d115030473ft 4U4123 TA1fi37 6D22627A.WiUJZT MeH7U 20Z7WW2136 COMM H1F176041W.W7®4- «1401

8、id3ns丸 LD.JO3W0 M甜SOU14如2LHL101&J9 10I122 7Q4WJ03222 40raioai迪i卻1計(jì)Q»» 20221520沁.Eund.wiapbM啊卻宓MSMJ.ia£21711 J<3?29?tt酣31D1«< K2o*e$t>tNGdNi«9*302M34I;x»2DJT1 M自番弭訊咖ID1S«J »1JTBWnaiM3135 00E舛r-MQClTIIHH2 MJM1&40呻TflW傭14 將1HOnt scww w244S4I應(yīng)価當(dāng)仙軸

9、耳2S<貼面6117 H?7?7201S£l 悔W?4d1394 40猝祐M2111 M劉3TD9遼寧1BC29 Tfl255TB 3(190zmTO陽36 W 3t3CQ2E» 20225SW1&±Zl1QU22.U昂加耳IQ11901942 001745. W121S 10IltBJft27X902294 04拠4Q112521 a 10林102JJ3 SOimw1325 «啄即1722 Tfl賢0丹12Uj>>時詫.W2 膛M 1022" 001M9 Wno? joITO W11»n創(chuàng)弘3ttlts伽甘

10、131030201110空e riU27r«0cun £Dim w13f1 W1W«QID19C0列輕1$、囲為欝刊4；閱總和神17 90刪蟲ti 30W T|1159Q2-JQ空MM45gaip1極1因啊國W40IfiKLIQZ2ir.w1936»17503?忡23*14 (KI爾嵋1S9.501Wfi M107BM?4購 BQ2060 54537 5«怙15749 站酒甜曲tMlttust.xt1059 Mian«1T4S10S51曲傳鵡靜3科畑砂i»n.eoWW.MHi 30Am ro畑"MBLMJQ1S41

11、7MImo& 星iUMB1W w144771 JO托aj的2OM 04儷處7115331 W21IJJKmi 3014 聲 001W1Wnsaa那韓n嗨toJS15»6 Wiwtomao11 T9 SO1 的eaa葩1 W31£冃JH £11電楚r?w V93 SJwmtlQ Prea a sor M由數(shù)據(jù)的降序排列可以看出，全國只有、等九個城市的城鎮(zhèn)人均消費(fèi)在全國城 鎮(zhèn)人均消費(fèi)水平以上（二）、作出人均收入和人均消費(fèi)的直方圖操作步驟：（1）：選擇“圖形”，打開“圖表構(gòu)建程序”菜單項(xiàng)（2）:從“庫”中選擇“直方圖”將其拉入“圖表預(yù)覽使用數(shù)據(jù)實(shí)例”（3）:將變

12、量“地區(qū)”設(shè)置為x軸，將“人均收入”和“人均消費(fèi)” 設(shè)置為y軸(4):點(diǎn)擊“確認(rèn)”按鈕，即生成如下直方圖地區(qū)通過一個復(fù)合條形圖，可以很明確的發(fā)現(xiàn)我國城鎮(zhèn)居民生活水平存在很大的地區(qū) 差異，地區(qū)發(fā)展很不平衡，從圖中的生活消費(fèi)支出和人均收入來看，這些省 市城鎮(zhèn)居民消費(fèi)水平最高，人均收入也是最高的，各省市的城鎮(zhèn)居民消費(fèi)水平差 異較大，大多數(shù)省份城鎮(zhèn)居民人均消費(fèi)集中在15000元左右.(三) 、對數(shù)據(jù)按照人均消費(fèi)作出直方圖，以統(tǒng)計(jì)我國農(nóng)村人均消費(fèi)的水平1、首先對數(shù)據(jù)分組，分組數(shù)目的確定.按照Sturges提出的經(jīng)驗(yàn)公式來確定組數(shù) K,K=1+lg-n，計(jì)算得組數(shù)為6.lg22、確定組距組距 =（最大值-

13、最小值）/組數(shù)=（28155.00-12231.90 ）/6=2653.85 ， 可近似取值為 3000.00 元 .操作步驟：（1）:選擇“轉(zhuǎn)換”-“可視離散化”菜單項(xiàng)，將“人均消費(fèi)”選 入“要離散的變量”列表框中，單擊“繼續(xù)”按鈕進(jìn)入主對話框 .（ 2）：單擊“生成分割點(diǎn)”按鈕，設(shè)定分割點(diǎn)數(shù)量為 6，寬度為 3000.00 ， 可見系統(tǒng)會自動會填充第一個分割點(diǎn)的位置為 12231.90 ，單擊“應(yīng)用”返回到 主對話框 .（ 3）：此時可以看到下部數(shù)值標(biāo)簽網(wǎng)格里的“值”列已被自動填充， 單擊“生成標(biāo)簽”按鈕，是標(biāo)簽列也得到自動填充 .（ 4）：將離散的變量名設(shè)定為 expendNew.（ 5

14、）：單擊“確定”按鈕 .3、頻數(shù)分析操作步驟：（1）:選擇“分析描述統(tǒng)計(jì)頻率”，打開頻率對話框（2）:選定“ expendNeW，點(diǎn)擊“圖表”，選擇“條形圖”點(diǎn)擊繼 續(xù).3）：點(diǎn)擊“確認(rèn)”，生成如下三表Statistics人均消費(fèi)（已離散化）NValid32Missing0Mean3.13Median3.00Std. Deviation1.314Minimum1Maximum7Percentiles252.00503.00753.75人均消費(fèi)（已離散化）FrequencyPercentValid PercentCumulative PercentValid<=12231.9013.13.

15、13.112231.91 - 15231.901031.331.334.415231.91 - 18231.901340.640.675.018231.91 - 21231.9039.49.484.421231.91 - 24231.9039.49.493.824231.91 - 27231.90 ,27231.91 +13.13.1100.0Total32100.0100.07人均消費(fèi)（已離數(shù)化）<=12231.9012231 91 -15231.91 -1B231.91 -21231.91 -24231.91 -27231.91 +1S231.9C13231 9

16、021231 9024231.9027231J90人均消費(fèi)（已離散fb）125-10.0-&由上圖的頻數(shù)分析可以看出，我國 2013年城鎮(zhèn)居民人均消費(fèi)支出集中在第二組 和第三組，大約占到百分之七十由于在表格中不存在缺失值，因此頻數(shù)分布表 中的百分比和有效百分比相同從此次分析中可以看出，我國城鎮(zhèn)家庭居民人均 消費(fèi)的總體水平比較集中，大約在12000元-18000元之間，還有少數(shù)省市的消費(fèi)水平處在中等階段，而有、等一些經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)的城鎮(zhèn)家庭居民人均 消費(fèi)達(dá)到了 21000元以上.三、對數(shù)據(jù)的回歸分析（一）、作出人均收入與消費(fèi)支出散點(diǎn)圖，以觀察他們的線性關(guān)系如何 操作步驟：（1）：選擇“

17、圖形”，打開“圖表構(gòu)建程序”菜單項(xiàng)（2）:從“庫”中選擇“散點(diǎn)圖”將其拖入“圖表預(yù)覽使用數(shù)據(jù)實(shí)例”（3）:將“人均收入”選定為x軸，將“人均消費(fèi)”選定為y軸（4）:點(diǎn)擊“確認(rèn) 生成如下散點(diǎn)圖30000.0025000.00-20000 00-1 5000 00-WOOEIQtlTSnOD.OD OODODO25DM.OO 3D00a.D035DQ0.004D00Q 0045000 ,QO人均收人由散點(diǎn)圖可以看出，人均消費(fèi)丫和人均收入X大概呈一元線性關(guān)系，因此可以建 立一元線性模型進(jìn)行回歸分析.（二）假設(shè)回歸模型為Y=a+bX,其中，丫表示城鎮(zhèn)人均消費(fèi)支出，為被解釋變量,X表示人均收入，為解釋變

18、量，b為回歸系數(shù).操作步驟：（1）選擇“分析回歸線性”菜單項(xiàng)，打開“線性回歸”對話框.（2）將“人均消費(fèi)”選入“因變量”列表框，將“人均收入”選入“自變量”列表框.（3）單擊“確定”按鈕.得到如下（1）、（ 2）、（ 3）、（ 4）四表格，依次分析如下: 表（1）：移入/移出的變量Variables Entered/Removed bModelVariables EnteredVariablesRemovedMethod1人均收入aEntera. All requested variables entered.b. Dependent Variable:人均消費(fèi)從上表可以看出，放入模型的變量只

19、有一個即“人均收入”，選擇變量的方法為 強(qiáng)行進(jìn)入法，也就是說將所有的自變量都放入模型中， 模型的因變量為“人均消 費(fèi)”.表（2）：模型匯總Model SummaryModelRR SquareAdjusted RSquareStd. Error of theEstimate1.960a.922 ,.9201106.90715.a. Predictors: (Constant),人均收入上表是對模型的簡單匯總，其實(shí)就是對回歸方程擬合情況的描述， 通過這表可以知道相關(guān)系數(shù)R=0.960,決定系數(shù)R2 =0.922，調(diào)整決定系數(shù)R2 =0.920,和回歸系 數(shù)的標(biāo)準(zhǔn)誤=31106.90715.由于決

20、定系數(shù)接近于1,說明模型的擬合程度較好. 表（3）：方差分析表ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression4.353E814.353E8355.256.000aResidual36757303.474301225243.449Total4.720E831a. Predictors: (Constant),人均收入b. Dependent Variable:人均消費(fèi)F=355.256，P=0.000<0.05,表明回歸方程高度顯著，即農(nóng)民人均收入對消費(fèi)有高 度影響.表（4）:系數(shù)Coefficients aModelUnsta

21、ndardized CoefficientsStandardizedCoefficientstSig.BStd. ErrorBeta1(Constant)1897.504835.983 ,2.270.031.人均收入.599.032.96018.848.000a. Dependent Variable:人均消費(fèi)由上表知a=1897.504，b=0.599，由此可以得出以下回歸方程：人均消費(fèi)丫=1897.504+0.599人均收入X上述回歸方程給出了如下信息：2013年中國城鎮(zhèn)居民人均可支配收入增加 1元, 人均消費(fèi)支出增加0.599元.四、單樣本的T檢驗(yàn)（一）：由頻數(shù)分析可知，分組后，全國 3

22、1個省市的城鎮(zhèn)家庭居民平均每人生活消費(fèi)支出合計(jì)，大約有 23個城市都集中在第一組，數(shù)額主要12231.91 18231.90元之間，其中在 15231.91 - 18231.90 之間的占到了百分之四十，因 此可推斷，全國農(nóng)村家庭居民平均每人生活消費(fèi)支出的平均數(shù)應(yīng)該在 15000-20000元之間，假設(shè)為18000元，由于該問題涉及的是單個總體，且要 進(jìn)行總體均值檢驗(yàn)，同時農(nóng)村家庭居民平均每人消費(fèi)的總體可近似認(rèn)為服從正態(tài) 分布，因此，應(yīng)采用單樣本t檢驗(yàn)來分析推斷全國農(nóng)村家庭居民人均消費(fèi)的平均值是否為18000元.分析結(jié)果如下：（二）：操作步驟：1、選擇“分析比較均值單樣本天t檢驗(yàn)”菜單項(xiàng)，打開

23、“單樣本t檢驗(yàn)”對話框如下圖所示：2、單擊“確定”按鈕 生成如下兩圖表：表（1）：One-Sample StatisticsNMeanStd. DeviationStd. Error Mean人均消費(fèi)3217216.60313902.16064689.81106表（2）One-Sample TestTest Value = 18000tdfSig. (2-tailed)Mean Difference95% Confidence Interval of theDifferenceLowerUpper人均消費(fèi)-1.136310.265-783.39688-2190.2758623.4821由表（1

24、）可知樣本均值為17216.6031，低于基準(zhǔn)線18000.00,標(biāo)準(zhǔn)差3902.16064 , 均值標(biāo)準(zhǔn)差689.81106.由表（2）為單樣本t檢驗(yàn)的分析結(jié)果，第一行注明了用于比較的假設(shè)總體均數(shù) 為18000,下面從左到右依次為t值、自由度、p值、兩均數(shù)的差值、差值.根據(jù) 上面的檢測結(jié)果t=-1.136，p=0.256，由于p>0.05，所以不能拒絕原假設(shè)，可以 認(rèn)為人均消費(fèi)水平在18000元.同時，可知全國城鎮(zhèn)居民2013年人均消費(fèi)在95% 的置信水平下的置信區(qū)間為：（15809.7242,18623.4821 ）.五、非參數(shù)檢驗(yàn)多配比樣本分參數(shù)檢驗(yàn)數(shù)據(jù)中我國城鎮(zhèn)家庭居民人均消費(fèi)包

25、括食品、衣著、居住、家庭設(shè)備、交通及通 訊、文教娛樂、醫(yī)療保健、和其他8個指標(biāo)，為了比較清楚的了解這8項(xiàng)指標(biāo)對 我國城鎮(zhèn)居民人均消費(fèi)總體的影響，以及其大概的消費(fèi)動向，可以利用多配比樣 本的非參數(shù)檢驗(yàn)Friedman檢驗(yàn)對各個指標(biāo)進(jìn)行檢驗(yàn).（一）：操作步驟：（1）選擇“分析非參數(shù)檢驗(yàn)舊對話框k個相關(guān)樣本”菜單 項(xiàng)，打開如下對話框：（2）:單擊“確定”按鈕，得到如下兩表格: 表（1）:RanksMean Rank食物消費(fèi)8.00衣物消費(fèi)5.09居住消費(fèi)4.50家居設(shè)備2.66交通通訊6.38醫(yī)療保健2.34文教娛樂5.88其它1.16表（2）:Test StatisticsaN32.Chi-Squ

26、are198.604df7Asymp. Sig.000 .a. Friedman Test（二）、結(jié)果分析檢驗(yàn)結(jié)果中的p值小于給定水平0.05，故拒絕原假設(shè)，認(rèn)為八個指標(biāo)對我國城 鎮(zhèn)居民人均消費(fèi)的影響是有顯著差異的.由表（1）知食物消費(fèi)對人均消費(fèi)的影響 最大，其次是交通通訊和衣物消費(fèi)，而影響最小的是其它 .六、因子分析在研究我國城鎮(zhèn)居民的消費(fèi)情況時收集了食物、 衣物、居住等八個影響居民消費(fèi) 情況的因素，以期對問題能夠有比較全面、完整的把握和認(rèn)識 .由于數(shù)據(jù)過多，在實(shí)際建模時，這些變量未必能真正發(fā)揮預(yù)期的作用， 會給統(tǒng)計(jì)分析帶來許多問 題，可以表現(xiàn)在：計(jì)算量的問題和變量間的相關(guān)性問題 .為了解決

27、這些問題，最 簡單和最直接的解決方案是削減變量個數(shù)，但這又必然會導(dǎo)致信息丟失和信息不 完整等問題的產(chǎn)生為此，人們希望探索一種更有效的解決方法，它既能大大減 少參與數(shù)據(jù)建模的變量個數(shù)，同時也不會造成信息的大量丟失因子分析正是解決這種問題的方法(一)操作步驟(1) 、選擇菜單“分析” T “降維” T “因子分析”，出現(xiàn)因子分析對話框；(2) 、把參與因子分析的樣本選到變量對話框中，如下圖：(3)單擊“確定”按鈕，得到如下11圖: 圖(1)原有變量的相關(guān)系數(shù)矩陣：Correlation Matrix食物消費(fèi)衣物消費(fèi)居住消費(fèi)家居設(shè)備醫(yī)療保健交通通訊文教娛樂其它Correlatio 食物消 n費(fèi)1.0

28、00.288.656.744.295.787.782.732衣物消費(fèi).2881.000.337.517.694.368.374.634居住消費(fèi).656.3371.000.676.505.849.750.771家居設(shè)備.744.517.6761.000.441.830.853.767醫(yī)療保健.295.694.505.4411.000.479.414.600交通通訊.787.368.849.830.4791.000.860.782文教娛樂.782.374.750.853.414.8601.000.831Correlation Matrix食物消費(fèi)衣物消費(fèi)居住消費(fèi)家居設(shè)備醫(yī)療保健交通通訊文教娛樂其它

29、Correlatio 食物消 n費(fèi)1.000.288.656.744.295.787.782.732衣物消費(fèi).2881.000.337.517.694.368.374.634居住消費(fèi).656.3371.000.676.505.849.750.771家居設(shè)備.744.517.6761.000.441.830.853.767醫(yī)療保健.295.694.505.4411.000.479.414.600交通通訊.787.368.849.830.4791.000.860.782文教娛樂.782.374.750.853.414.8601.000.831其它.732.634.771.767.600.782.8

30、311.000從上圖可以看到，大部分的相關(guān)系數(shù)都較高，各變量呈較強(qiáng)的線性關(guān)系，能夠從 中提取公共因子，適合進(jìn)行因子分析圖（2）巴特利特球度檢驗(yàn)和KMO僉驗(yàn)KMO and Bartlett's TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.833Bartlett's Test of SphericityApprox. Chi-Square233.009df28Sig.000.由上圖知，巴特利特球度檢驗(yàn)統(tǒng)計(jì)量的觀測值為233.009，相應(yīng)的概率p為0.如果給出的顯著性水平為0.05，由于概率p小于顯著性水平，應(yīng)拒絕零假設(shè)，

31、認(rèn)為相關(guān)系數(shù)矩陣與單位陣有顯著地差異.同時，KMOS為0.833，根據(jù)Kaiser 給出了 KMC度量標(biāo)準(zhǔn)可知原有變量適合進(jìn)行因子分析.圖（3）因子分析的初始解CommunalitiesInitialExtraction食物消費(fèi)1.000.798衣物消費(fèi)1.000.862居住消費(fèi)1.000.750家居設(shè)備1.000.812醫(yī)療保健1.000.821交通通訊1.000.897文教娛樂1.000.885其它1.000.872CommunalitiesInitialExtraction食物消費(fèi)1.000.798衣物消費(fèi)1.000.862居住消費(fèi)1.000.750家居設(shè)備1.000.812醫(yī)療保健1.

32、000.821交通通訊1.000.897文教娛樂1.000.885其它1.000.872Extraction Method: Principal ComponentAnalysis.由上圖第二列可知，所有變量的共同度均較高，各個變量的信息丟失較少因此, 本次因子提取的總體效果較理想圖（4）因子解釋原有變量總方差的情況：Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of SquaredLoadingsRotation Sums of SquaredLoadingsTotal% ofVarianceCumul

33、ative %Total% ofVarianceCumulative %Total% ofVarianceCumulative %15.50468.79468.7945.50468.79468.7944.52456.54556.54521.19214.89883.6921.19214.89883.6922.17227.14783.6923.4735.91089.6024.2583.22292.8245.2372.96195.7856.1782.22798.0127.0911.13699.1478.068.853100.000Extraction Method: Principal Compon

34、ent Analysis.上圖第一組數(shù)據(jù)項(xiàng)描述了初始因子解的情況可以看到，第一個因子解的特征 根值為5.504，解釋原有八個變量總方差的68.794 %，累計(jì)方差貢獻(xiàn)率為68.794 % .其余數(shù)據(jù)含義類似.在初始解中由于提取了八個因子，因此原有變量的 總方差均被解釋掉.第二組數(shù)據(jù)項(xiàng)描述了因子解的情況.可以看到，由于指定提取兩個因子，兩個 因子共解釋了原有變量總方差的83.692 %.總體上，原有變量的信息丟失較少， 因子分析效果較理想.第三組數(shù)據(jù)項(xiàng)描述了最終因子解的情況.可見，因子旋轉(zhuǎn)后，累計(jì)方差比沒有 改變，也就是沒有影響原有變量的共同度， 但卻重新分配了各個因子解釋原有變 量的方差，改變

35、了各因子的方差貢獻(xiàn)，使得因子更容易解釋 .圖（5）因子的碎石圖：Scree PlotComponent Number上圖橫坐標(biāo)為因子數(shù)目，縱坐標(biāo)為特征根可以看到，第一個因子的特征根值很 高，對原有變量的貢獻(xiàn)最大；第3個以后的因子特征根都較小，對解釋原有變量 的貢獻(xiàn)很小，已經(jīng)成為可被忽略的“高山腳下的碎石”，因此提取兩個因子是合 適的.圖（6）因子載荷矩陣：Component Matrix aComponent12其它.929.097交通通訊.921-.222文教娛樂.909-.241家居設(shè)備.895-.103居住消費(fèi).854-.143食物消費(fèi).822-.350衣物消費(fèi).599.710醫(yī)療保健.

36、635.646a. 2 components extracted.上圖因子載荷矩陣是因子分析的核心容 型：其它=0.929 f1+0.097 f2文教娛樂=0.909 f1-0.241 f2居住消費(fèi)=0.854 fi-0.143 f2衣物消費(fèi)=0.599 £+0.710 f2.根據(jù)該表可以寫出本案例的因子分析模交通通訊=0.921 0.222 f2家居設(shè)備=0.895 0.103 f2食物消費(fèi)=0.822 0.350 f2醫(yī)療保健=0.635 f1+0.646 f2由上表知，八個變量在第一個因子上的載荷都很高， 意味著他們與第一個因子的 相關(guān)度高，第一個因子很重要.圖（7）旋轉(zhuǎn)后的因

37、子載荷矩陣：Rotated Component Matrix aComponent12交通通訊.915.244文教娛樂.914.222食物消費(fèi).889.084家居設(shè)備.836.336居住消費(fèi).819.281其它.770.528衣物消費(fèi).188.909醫(yī)療保健.250.871a. Rotation converged in 3 iterations.由上圖知，交通通訊、文教娛樂、食物消費(fèi)、家居設(shè)備、居住消費(fèi)、其它在第一 個因子上有較高的載荷，第一個因子主要解釋了這幾個變量； 衣物消費(fèi)、醫(yī)療保 健在第二個因子上的載荷較高，第二個因子主要解釋了這幾個變量.圖（8）因子旋轉(zhuǎn)中的正交矩陣Component Transformation MatrixComponent121.879.4772-.477.879圖（9）因子協(xié)方差矩陣:Component Score Covarian