《統(tǒng)計(jì)分析與SPSS應(yīng)用(第五)》課后練習(xí)(第11章)

(圓滿word版)?統(tǒng)計(jì)分析與SPSS應(yīng)用(第五版)?課后練習(xí)(第11章)(圓滿word版)?統(tǒng)計(jì)分析與SPSS應(yīng)用(第五版)?課后練習(xí)(第11章)(圓滿word版)?統(tǒng)計(jì)分析與SPSS應(yīng)用(第五版)?課后練習(xí)(第11章)?統(tǒng)計(jì)分析與SPSS的應(yīng)用〔第五版〕?〔薛薇〕課后練習(xí)答案第11章SPSS的因子分析1、簡(jiǎn)述因子分析的主要步驟是什么？因子分析的主要步驟：一、前提條件：要求原有變量之間存在較強(qiáng)的有關(guān)關(guān)系。二、因子提取。三、使因子擁有命名解說(shuō)性：使提拿出的因子實(shí)質(zhì)含義清楚。四、計(jì)算樣本的因子得分。2、對(duì)“根本建設(shè)投資分析.sav數(shù)〞據(jù)進(jìn)行因子分析。要求：1〕利用主成分方法，以特點(diǎn)根大于1為原那么提取因子變量，并從變量共同度角度談?wù)撘蜃臃治龅囊?jiàn)效。假如因子分析見(jiàn)效不理想，再?gòu)念^指定因子個(gè)數(shù)并進(jìn)行分析，對(duì)兩次分析結(jié)果進(jìn)行比較。2〕比較未旋轉(zhuǎn)的因子載荷矩陣和利用方差極大法進(jìn)行旋轉(zhuǎn)的因子載荷矩陣，直觀理解因子旋轉(zhuǎn)對(duì)因子命名可解說(shuō)性的作用?！案窘ㄔO(shè)投資分析〞因子分析步驟：分析降因子分析入所有量到量框中置??描繪、抽取的設(shè)置以下：旋轉(zhuǎn)、得分、選項(xiàng)的設(shè)置以下：〔1〕有關(guān)系數(shù)矩陣國(guó)家估計(jì)內(nèi)資本〔1995年、億元〕國(guó)內(nèi)貸款利用外資自籌資本其余投資有關(guān)系數(shù)國(guó)家估計(jì)內(nèi)資本〔1995年、億.458.229.331.211元〕國(guó)內(nèi)貸款.458.746.744.686利用外資.229.746.864.776自籌資本.331.744.864.928其余投資.211.686.776.928表一是原有變量的有關(guān)系數(shù)矩陣。由表可知，一些變量的有關(guān)系數(shù)都較高，呈較強(qiáng)的線性關(guān)系，能夠從中提取公共因子，合適進(jìn)行因子分析。KMO和巴特利特查驗(yàn)KMO取樣適切性量數(shù)。.706Bartlett的球形度查驗(yàn)前一次讀取的卡方自由度10顯然性.000由表二可知，巴特利特球度查驗(yàn)統(tǒng)計(jì)量的觀察值為，相應(yīng)的概率P-值湊近0.如果顯然性水平為，因?yàn)楦怕蔖-值小于顯然性水平α，那么應(yīng)拒絕原假定，以為有關(guān)系數(shù)矩陣與單位陣有顯然差別，原有變量合適做因子分析。同時(shí)，KMO值為，依據(jù)KMO胸懷標(biāo)準(zhǔn)可知原有變量能夠進(jìn)行因子分析。公因子方差初始值提取國(guó)家估計(jì)內(nèi)資本〔1995年、億.196元〕國(guó)內(nèi)貸款.769利用外資.820自籌資本.920其余投資.821提取方法：主成份分析。由表三可知，利用外資、自籌資本、其余投資等變量的絕全局部信息〔大于被因子解說(shuō)，這些變量的信息喪失較少。但國(guó)家估計(jì)內(nèi)資本這個(gè)變量的信息喪失較為嚴(yán)重

80%〕可〔近80%〕?？偟膩?lái)說(shuō)，本次因子提取的整體見(jiàn)效還不錯(cuò)。為了抵達(dá)更好的見(jiàn)效，能夠從頭指定提取特點(diǎn)值的標(biāo)準(zhǔn)，指定提取2個(gè)因子。增補(bǔ)說(shuō)明以下：故由表四可知，第1個(gè)因子的特點(diǎn)值很高，對(duì)解說(shuō)原有變量的奉獻(xiàn)最大；第三個(gè)此后的因子特點(diǎn)值都較小，對(duì)解說(shuō)原有變量的奉獻(xiàn)很小，能夠忽視，所以采納兩個(gè)因子是合適的。在上述“抽取〞選項(xiàng)中，選擇“因子的固定數(shù)目〔N〕〞并改正其值為2，其余不變。表五：從頭提取因子后的公因子方差表公因子方差初始值提取國(guó)家估計(jì)內(nèi)資本〔1995年、億.975元〕國(guó)內(nèi)貸款.795利用外資.860自籌資本.937其余投資.882提取方法：主成份分析。表五是指定提取2個(gè)特點(diǎn)值下的變量共同度數(shù)據(jù)。由第二列數(shù)據(jù)可知，此時(shí)所有變量的共同度均較高，各個(gè)變量的信息喪失都較少。所以，本次因子提取的整體見(jiàn)效比較理想?？偡讲罱庹f(shuō)初始特點(diǎn)值提取載荷平方和組件總計(jì)方差百分比積累%總計(jì)方差百分比積累%12.9233.3064.2005.046.925提取方法：主成份分析。總方差解說(shuō)組初始特點(diǎn)值提取載荷平方和旋轉(zhuǎn)載荷平方和件總計(jì)方差百分比積累%總計(jì)方差百分比積累%總計(jì)方差百分比積累%12.923.9233.3064.2005.046.925提取方法：主成份分析。表六中，第一個(gè)因子的特點(diǎn)值為，解說(shuō)原有5個(gè)變量總方差的70.5%，累計(jì)方差奉獻(xiàn)率為70.5%；第二個(gè)因子的特點(diǎn)值為，解說(shuō)原有7個(gè)變量總方差的18%，累計(jì)方差奉獻(xiàn)率為88.97%.〔2〕成分矩陣a組件12國(guó)家估計(jì)內(nèi)資本〔1995年、億.882元〕.443國(guó)內(nèi)貸款.877.160利用外資.906自籌資本.959其余投資.906提取方法：主成份分析。a.已提取2個(gè)成分。表七顯示了因子載荷矩陣。由表可知，自籌資本、其余投資、利用外資和國(guó)內(nèi)貸款四個(gè)變量在第一個(gè)因子上的載荷都較高，意味著它們與第一個(gè)因子的有關(guān)程度高，第一個(gè)因子很重要；第二個(gè)因子除了與國(guó)家估計(jì)內(nèi)資真有關(guān)程度較高外，與其余的原有變量有關(guān)性較小，對(duì)原有變量的解說(shuō)作用不顯然。下表采納方差極大法對(duì)因子載荷矩陣推行正交旋轉(zhuǎn)以使因子擁有命名解說(shuō)性。指定按第一個(gè)因子載荷降序的次序輸出旋轉(zhuǎn)后的因子載荷，并繪制旋轉(zhuǎn)后的因子載荷圖。旋轉(zhuǎn)后的成分矩陣a組件12國(guó)家估計(jì)內(nèi)資本〔1995年、億.979元〕.128國(guó)內(nèi)貸款.775.440利用外資.921.110自籌資本.949.190其余投資.937.064提取方法：主成份分析。旋轉(zhuǎn)方法：Kaiser標(biāo)準(zhǔn)化最大方差法。a.旋轉(zhuǎn)在3次迭代后已收斂。由表可知，自籌資本、其余投資和利用外資在第1個(gè)因子上有較高的載荷，第一個(gè)因子主要解說(shuō)了這幾個(gè)變量，可解說(shuō)為外面投資；國(guó)內(nèi)貸款和國(guó)家估計(jì)內(nèi)資本在第2個(gè)因子上有較高的載荷，第二個(gè)因子主要解說(shuō)了這幾個(gè)變量，可解說(shuō)為內(nèi)部投資。與旋轉(zhuǎn)前比較，因子含義較清楚。3、利用“開(kāi)銷(xiāo)構(gòu)造.sav〞數(shù)據(jù)進(jìn)行因子分析的局部結(jié)果以下：成分矩陣a組件12食品.843穿著.596.687居住.886家庭設(shè)施用品及效力.893醫(yī)療保健.720.478交通和通訊.898教育文化娛樂(lè)效力.965雜項(xiàng)商品和效力.894.120提取方法：主成份分析。a.已提取2個(gè)成分。旋轉(zhuǎn)后的成分矩陣a組件12食品.945.087穿著.132.899居住.777.429家庭設(shè)施用品及效力.801.405醫(yī)療保健.349.791交通和通訊.934.206教育文化娛樂(lè)效力.851.460雜項(xiàng)商品和效力.689.583提取方法：主成份分析。旋轉(zhuǎn)方法：Kaiser標(biāo)準(zhǔn)化最大方差法。a.旋轉(zhuǎn)在3次迭代后已收斂。1〕依據(jù)成分矩陣計(jì)算各變量的變量共同度以及各因子變量的方差奉獻(xiàn)，并以此談?wù)摫敬我蜃臃治龅恼w見(jiàn)效能否理想。2〕依據(jù)旋轉(zhuǎn)成分矩陣說(shuō)明兩個(gè)變量的含義。“開(kāi)銷(xiāo)構(gòu)造〞因子分析〔1〕各變量共同度以下：食品的變量共同度為2+〔〕2=0.8999，其余近似。穿著為居住為家庭設(shè)施用品及效力為醫(yī)療保健為交通和通訊為教育文化娛樂(lè)效力為雜項(xiàng)商品和效力為變量共同度刻畫(huà)了因子全體對(duì)變量信息解說(shuō)的程度。本題中大部分原有變量的變量共同度均較高〔所有變量共同度都大于70%，全局部大于80%〕，說(shuō)明提取的因子能夠解說(shuō)原有變量的全局部信息，僅有較少的信息喪失，因子分析的見(jiàn)效較好。個(gè)因子變量的方差奉獻(xiàn)以下：第一個(gè)因子的方差奉獻(xiàn)為S22221第二個(gè)為因子的方差奉獻(xiàn)反應(yīng)了因子對(duì)原有變量總方差的解說(shuō)能力。由題中可知，第一個(gè)變量解釋能力更強(qiáng)，更重要。2〕由旋轉(zhuǎn)成分矩陣可知，食品、居