spss應(yīng)用案例五

1、 1、數(shù)據(jù)來(lái)源及說(shuō)明、數(shù)據(jù)來(lái)源及說(shuō)明 數(shù)據(jù)來(lái)自西安交通大學(xué)管理學(xué)院研究生的調(diào)查問(wèn)卷。數(shù)據(jù)來(lái)自西安交通大學(xué)管理學(xué)院研究生的調(diào)查問(wèn)卷。 變量說(shuō)明：變量說(shuō)明： 1） 數(shù)據(jù)描述數(shù)據(jù)描述 最終分類(lèi)中心最終分類(lèi)中心3333 收集到某年全國(guó)31個(gè)省市自治區(qū)各類(lèi)經(jīng)濟(jì)單位包括國(guó)有經(jīng)濟(jì)單位、聯(lián)營(yíng)經(jīng)濟(jì)單位、股份制經(jīng)濟(jì)單位、外商投資經(jīng)濟(jì)單位、港澳臺(tái)經(jīng)濟(jì)單位、其他經(jīng)濟(jì)單位的年人均收入數(shù)據(jù)，現(xiàn)希望對(duì)全國(guó)各地區(qū)間人均收入的差異性和相似性進(jìn)行研究。 可利用因子得分變量對(duì)地區(qū)進(jìn)行對(duì)比研究可利用因子得分變量對(duì)地區(qū)進(jìn)行對(duì)比研究 （1）觀察因子得分變量的散點(diǎn)圖）觀察因子得分變量的散點(diǎn)圖1 北京北京9 上海上海19 廣東廣東 可利用因

2、子得分變量對(duì)地區(qū)進(jìn)行對(duì)比研究可利用因子得分變量對(duì)地區(qū)進(jìn)行對(duì)比研究 （2）依據(jù)因子得分變量進(jìn)行綜合評(píng)價(jià)：因子加權(quán)總分法）依據(jù)因子得分變量進(jìn)行綜合評(píng)價(jià)：因子加權(quán)總分法 權(quán)重：專(zhuān)家打分權(quán)重：專(zhuān)家打分 兩個(gè)因子的方差貢獻(xiàn)率兩個(gè)因子的方差貢獻(xiàn)率三、已知：美國(guó)洛杉磯對(duì)三、已知：美國(guó)洛杉磯對(duì)12個(gè)人口調(diào)查區(qū)調(diào)查的數(shù)據(jù)如下個(gè)人口調(diào)查區(qū)調(diào)查的數(shù)據(jù)如下（data15-01) ：其中：其中：no ：編號(hào)，：編號(hào)， pop：總?cè)丝冢嚎側(cè)丝冢?school：中等學(xué)校平均校齡，：中等學(xué)校平均校齡， employ ：總雇員數(shù)：總雇員數(shù) services：專(zhuān)業(yè)服務(wù)項(xiàng)目，：專(zhuān)業(yè)服務(wù)項(xiàng)目， house：中等房?jī)r(jià)：中等房?jī)r(jià)要求：

3、要求：1、進(jìn)行因子分析、進(jìn)行因子分析 2、按提出的新因子進(jìn)行聚類(lèi)分析、按提出的新因子進(jìn)行聚類(lèi)分析1、因子分析: 操作步驟Analyze結(jié)果分析：Descriptive Statistics6241.673439.991211.4421.787122333.331241.2112120.83114.931217000.006367.5312總?cè)丝谥械刃Ｆ骄｝g總雇員數(shù)專(zhuān)業(yè)服務(wù)項(xiàng)目數(shù)中等房?jī)r(jià)MeanStd. DeviationAnalysis N給出了各變量的均值、標(biāo)準(zhǔn)差及樣本個(gè)數(shù)Correlation Matrix1.000.010.972.439.022.0101.000.154.691.86

4、3.972.1541.000.515.122.439.691.5151.000.778.022.863.122.7781.000.488.000.077.472.488.316.006.000.000.316.043.353.077.006.043.001.472.000.353.001總 人 口中 等 校 平 均 校 齡總 雇 員 數(shù)專(zhuān) 業(yè) 服 務(wù) 項(xiàng) 目 數(shù)中 等 房 價(jià)總 人 口中 等 校 平 均 校 齡總 雇 員 數(shù)專(zhuān) 業(yè) 服 務(wù) 項(xiàng) 目 數(shù)中 等 房 價(jià)CorrelationSig. (1-tailed)總 人 口中 等 校 平均 校 齡總 雇 員 數(shù)專(zhuān) 業(yè) 服 務(wù)項(xiàng) 目 數(shù)中 等

5、房 價(jià)相關(guān)系數(shù)矩陣表： 給出了任意兩變量間的相關(guān)系數(shù)和相應(yīng)的顯著性概率Total Variance Explained2.87357.46657.4662.87357.46657.4662.52250.43750.4371.79735.93393.3991.79735.93393.3992.14842.96393.399.2154.29797.6969.993E-021.99999.6951.526E-02.305100.000Component12345Total% of VarianceCumulative %Total% of VarianceCumulative %Total% of

6、VarianceCumulative %Initial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsExtraction Method: Principal Component Analysis.總方差解釋表Scree PlotComponent Number54321Eigenvalue3.53.02.52.00.0碎石圖 ：可初步得出保留兩個(gè)因子將能概括絕大部分信息。 Component Matrixa.932-.104.791-.558.767-.545.58

7、1.806.672.726專(zhuān)業(yè)服務(wù)項(xiàng)目數(shù)中等房?jī)r(jià)中等校平均校齡總?cè)丝诳偣蛦T數(shù)12ComponentExtraction Method: Principal Component Analysis.2 components extracted.a. Rotated Component Matrixa.968-6.05E-03.941-8.82E-03.825.4471.602E-02.994.137.980中等房?jī)r(jià)中等校平均校齡專(zhuān)業(yè)服務(wù)項(xiàng)目數(shù)總?cè)丝诳偣蛦T數(shù)12ComponentExtraction Method: Principal Component Analysis. Rotation Met

8、hod: Varimax with Kaiser Normalization.Rotation converged in 3 iterations.a. 因子矩陣：旋轉(zhuǎn)前的因子提出結(jié)果 用這兩個(gè)因子代替5 個(gè)原始變量，可以概括原始變量所包含信息的93.4%。但是要想對(duì)兩個(gè)因子進(jìn)行命名則比較困難。旋轉(zhuǎn)后的因子矩陣：旋轉(zhuǎn)后負(fù)荷系數(shù)已經(jīng)明顯地向兩極分化。因子1：福利條件因子因子2：人口因子 Component Score Coefficient Matrix-.091.484.392-.096-.039.465.299.138.403-.098總?cè)丝谥械刃Ｆ骄｝g總雇員數(shù)專(zhuān)業(yè)服務(wù)項(xiàng)目數(shù)中等房?jī)r(jià)12C

9、omponentExtraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.Component Score Covariance Matrix1.000.000.0001.000Component1212Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component

10、 Scores.因子得分系數(shù)矩陣：根據(jù)因子得分系數(shù)和 原始變量的標(biāo)準(zhǔn)化值可計(jì)算每個(gè)觀測(cè)量的各因子的得分?jǐn)?shù)。 并可據(jù)此對(duì)觀測(cè)量進(jìn)行進(jìn)一步的分析 。因子分?jǐn)?shù)的協(xié)方差矩陣 ： 兩個(gè)新因子之間的相關(guān)矩陣，兩因子是完全不相關(guān)的。Component Plot in Rotated SpaceComponent -.5-1.0Component -.5-1.0中等房?jī)r(jià)專(zhuān)業(yè)服務(wù)項(xiàng)目數(shù)中等校平均校齡旋轉(zhuǎn)后的因子載荷圖：形成 兩個(gè)新變量：fac1_1, fac2_1 2、按生成的新變量進(jìn)行聚類(lèi)分析（1）（2）（3）在主對(duì)話(huà)框，單擊Statistics（4）在主對(duì)話(huà)框，單擊Plo

11、ts（5）在主對(duì)話(huà)框，單擊Method（6）在主對(duì)話(huà)框，單擊Save 結(jié)果分析：Case Processing Summarya,b12100.00.012100.0NPercentNPercentNPercentValidMissingTotalCases Squared Euclidean Distance useda. Average Linkage (Between Groups)b. 觀測(cè)量處理摘要表 Cluster Membership111222222111111331222331331411331331Case1234567891011124 Clusters3 Clusters2 Clusters各類(lèi)成員表Vertical IcicleXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXXXXXXXX XXXXXXXXX X XXXXXXXXXX X XXXXXXX X XXXXXX XXX X XXXXXXX X XXXXXX XXX X XXXXXXX X XXX