類模型算法spss因子分析案例

數(shù)據(jù)準(zhǔn)X1、X2、X3、X4、X5、X6、X7，11.1。圖 原始數(shù)據(jù)的輸統(tǒng)計(jì)分激活Statistics菜單選DataReductionFactor...命令項(xiàng)，彈出Factorysis框（圖11.2）。在框左側(cè)的變量列表中選變量X1X7，?Variables圖 因子分析點(diǎn)擊Descriptives...鈕，彈出Factorysis:Descriptives（11.3），StatisticsUnivariatedescriptivesCorrelationMatrixCoefficients相關(guān)系數(shù)矩陣，并選KMOandBartlett’stestofsphericity關(guān)系數(shù)矩陣進(jìn)行統(tǒng)計(jì)學(xué)檢驗(yàn)。點(diǎn)擊Continue鈕返回Factorysis圖 描述性指標(biāo)選擇點(diǎn)擊Extraction...鈕，彈出Factorysis:Extraction框（11.4），圖 因子提取方法選擇Principalcomponents：主成分分析法；Unweightedleastsquares：未最小平方法；Generalizedleastsquares：綜合最小平方法；umlikelihood：極大似然估計(jì)法；Principalaxisfactoring：主軸因子法；Alphafactoring：αImagefactoring：PrincipalcomponentsContinueFactorysis框點(diǎn)擊Rotation...鈕，彈出 ysis:Rotation（11.5），5圖 因子旋轉(zhuǎn)方法選擇DirectOblimin：斜交旋轉(zhuǎn)。交旋轉(zhuǎn)法，之后點(diǎn)擊Continue鈕返回Factorysis框。點(diǎn)擊Scores...鈕，彈出彈出Factorysis:Scores（11.6），3Regression（回歸因子得分），之后點(diǎn)擊Continue鈕返回Factorysis框，再點(diǎn)擊OK圖 估計(jì)因子分方法結(jié)果解在輸出結(jié)果窗口中將看到如下統(tǒng)計(jì)數(shù)據(jù)系統(tǒng)首先輸出各變量的均數(shù)（Mean）與標(biāo)準(zhǔn)差（StdDev），并顯示共有25例觀察單位進(jìn)入分析；接著輸出相關(guān)系數(shù)矩（CorrelationMatrix），經(jīng)Bartlett檢驗(yàn)表明：Bartlett326.28484，P<0.0001，即相關(guān)矩陣不是一個(gè)單位矩陣，故考慮進(jìn)行因子分Kaiser-Meyer-OlkinMeasureofSamplingAdequacy是用于比較觀測(cè)相關(guān)系數(shù)值與偏相關(guān)系數(shù)值的一個(gè)指標(biāo)，其值愈近1，表明對(duì)這些變量進(jìn)行因子分析的效果愈好。今KMO值=0.32122，偏小，意味著因子分析的結(jié)果可能不能接受。ysisnumber1Listwisedeletionofcaseswithmissingvalues StdDevLabelNumberofCases Correlation --.99020---- .35732Kaiser-Meyer-OlkinMeasureofSamplingAdequacy=.32122BartlettTestofSphericity=326.28484,Significance= 使用主成分分析法得到2個(gè)因子，因子矩陣（FctrMtrx）如下，變量與某一因子的聯(lián)系系數(shù)絕對(duì)值越大，則該因子與變量關(guān)系越近。如本例變量X7與第一因子的值為.4，與第二因子的值為.2，可見其與第一因子更近，與第二因子更遠(yuǎn)。或者因子矩陣也可以作為因子貢獻(xiàn)大小的度量，其絕對(duì)值越大，貢獻(xiàn)也越大。任何方差，1為所有方差均被因子解釋掉。一個(gè)因子越大地解釋掉變量的方差，說(shuō)明因子包含原有變量信息的量越多。Extraction1forysis1,PrincipalComponentsysis(PC) extracted2factors.Factor1Factor----Final Communality*FactorEigenvaluePctofVarCum**1*2*****下面顯示經(jīng)正交旋轉(zhuǎn)后的因子負(fù)荷矩陣（RotatedFactorMatrix）和因子轉(zhuǎn)換矩陣（FactorTransformationMatrix）。旋轉(zhuǎn)的目的是使復(fù)雜的矩陣變得簡(jiǎn)潔，即第一因子替代了X1、X2、X4、X7的作用，第二因子替代了X3、X5、X6的作用。VARIMAXrotation1forextraction1inysis1-KaiserNormalization.VARIMAXconvergedin3itions.RotatedFactor1Factor--FactorTransformation1Factor1-2 】：加快服務(wù)業(yè)的發(fā)展，提高服務(wù)業(yè)在國(guó)民經(jīng)濟(jì)中的地位，是我國(guó)近十年來(lái)經(jīng)濟(jì)政策的重要導(dǎo)向之一。隨著西部大開發(fā)的推進(jìn)，西部地區(qū)服務(wù)業(yè)的發(fā)展?fàn)顩r得到廣泛關(guān)注。該研究基于服務(wù)業(yè)和服務(wù)業(yè)競(jìng)爭(zhēng)力的理論，運(yùn)用因子分析方法，對(duì)西部十二省區(qū)的服務(wù)業(yè)競(jìng)爭(zhēng)力進(jìn)行分析評(píng)價(jià)，并根據(jù)因子分析的結(jié)果和西部十二省區(qū)服務(wù)業(yè)發(fā)展的優(yōu)劣勢(shì)，提出提升該地區(qū)服務(wù)業(yè)競(jìng)爭(zhēng)力水平的對(duì)策與建議。：服務(wù)業(yè)；競(jìng)爭(zhēng)力；因子分析號(hào)Duringthelasttenyears,speedingupthedevelopmentofserviceindustryandenhancingitspositionnationaleconomyisoneofthemostimportantdirectionsoftheeconomicofour ernment.AlongwiththeprogressofDevelopmentoftheWestRegions,allcirclesconcernedstartspayingattentiontothedevelopmentofserviceindustryoverthere.Basedonthetheoriesofserviceindustryanditscompetitiveness,thisresearchmakesuseoffactorysistoevaluatethecompetitivenessofserviceindustryintwelvewesternprovincesandregions,andthenbringsforwardcountermeasuresandsuggestionstoupgradetheircompetitiveness,whichisonthebaseoftheresultsoffactorysisandtheadvantagesanddisadvantagesofthedevelopmentofserviceindustryinthewest:ServiceIndustry；Competitiveness；Factor引服務(wù)業(yè)的發(fā)展?fàn)顩r與競(jìng)爭(zhēng)力水平，不僅可以衡量一個(gè)國(guó)家和地區(qū)經(jīng)濟(jì)發(fā)展水平，而反映一個(gè)國(guó)家和地區(qū)經(jīng)濟(jì)發(fā)展所處的階段。隨著我國(guó)西部大開發(fā)的實(shí)施，西部十二省區(qū)服務(wù)業(yè)得到了快速發(fā)展，在促進(jìn)地區(qū)經(jīng)濟(jì)增長(zhǎng)、增加就業(yè)、提高人民生活水平、保持社會(huì)穩(wěn)定等方面發(fā)揮了重要作用。然而，與發(fā)達(dá)國(guó)家和東部省區(qū)相比，仍然存在許多問(wèn)題，如總體發(fā)展水平偏低，現(xiàn)代服務(wù)業(yè)尚未形成規(guī)模，服務(wù)業(yè)水平較低等。正確、客觀評(píng)價(jià)研究西部十二省區(qū)服務(wù)業(yè)的競(jìng)爭(zhēng)力水平，對(duì)促進(jìn)西部地區(qū)經(jīng)濟(jì)發(fā)展和推進(jìn)西部大開發(fā)具有深遠(yuǎn)意義。服務(wù)業(yè)競(jìng)爭(zhēng)力是一個(gè)涵蓋服務(wù)業(yè)本身以及相關(guān)要素關(guān)系和行為多個(gè)方面的綜合系統(tǒng)地區(qū)的服務(wù)業(yè)競(jìng)爭(zhēng)力是該地區(qū)服務(wù)業(yè)綜合能力的體現(xiàn)，是其在一定的政治、經(jīng)濟(jì)、科技、文化、人才等環(huán)境和條件下，相對(duì)于其他地區(qū)所表現(xiàn)出來(lái)的生存能力和可持續(xù)發(fā)展能力的綜合[1]。因子分析法是在主成分分析法的基礎(chǔ)上發(fā)展起來(lái)的一種綜合評(píng)價(jià)方法，不僅可以給出，還可以進(jìn)一步探索影響次序的因素，從而找到改善和提高西部十二省區(qū)服務(wù)業(yè)競(jìng)爭(zhēng)力的方向和途徑。地區(qū)服務(wù)業(yè)競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系的構(gòu)目前我國(guó)關(guān)于服務(wù)業(yè)競(jìng)爭(zhēng)力評(píng)價(jià)研究還處于起步階段，對(duì)評(píng)價(jià)指標(biāo)體系的研究很有限，而其中比較的人民大學(xué)競(jìng)爭(zhēng)力與評(píng)價(jià)建立的包括規(guī)模競(jìng)爭(zhēng)力、結(jié)構(gòu)競(jìng)爭(zhēng)力、成長(zhǎng)競(jìng)爭(zhēng)力、創(chuàng)新競(jìng)爭(zhēng)力、管理競(jìng)爭(zhēng)力5個(gè)一級(jí)指標(biāo)的服務(wù)業(yè)競(jìng)爭(zhēng)力評(píng)價(jià)體系[2]和元在《我國(guó)省級(jí)服務(wù)業(yè)競(jìng)爭(zhēng)力的綜合評(píng)價(jià)》一文中從經(jīng)濟(jì)實(shí)力、服務(wù)業(yè)總體情況、主要服務(wù)行業(yè)發(fā)展和科技實(shí)力四個(gè)方面構(gòu)建的服務(wù)業(yè)競(jìng)爭(zhēng)力綜合評(píng)價(jià)指標(biāo)體影響地區(qū)服務(wù)業(yè)競(jìng)爭(zhēng)力的因素很多，主要有人均GDP、水平、人口規(guī)模、人口密度、居民的消費(fèi)支出、固定資產(chǎn)投資、外部政策和經(jīng)濟(jì)服務(wù)業(yè)競(jìng)爭(zhēng)力是一個(gè)復(fù)雜系統(tǒng)，要從多角度對(duì)地區(qū)服務(wù)業(yè)競(jìng)爭(zhēng)力進(jìn)行綜合評(píng)價(jià)。根據(jù)前人對(duì)服務(wù)業(yè)競(jìng)爭(zhēng)力評(píng)價(jià)的，參考地區(qū)服務(wù)業(yè)競(jìng)爭(zhēng)力的影響因素，將從四個(gè)方面進(jìn)行分析：一是經(jīng)濟(jì)基礎(chǔ)；二是服務(wù)業(yè)總體情況；三是主要服務(wù)行業(yè)發(fā)展?fàn)顩r；四是科技實(shí)力，具體指標(biāo)見表1因子分析法分析評(píng)價(jià)西部十二省區(qū)服務(wù)業(yè)競(jìng)爭(zhēng)在眾多評(píng)價(jià)方法中，因子分析法可以較大限度地克服指標(biāo)之間的相關(guān)性對(duì)評(píng)價(jià)結(jié)果的影響。根據(jù)《中計(jì)年鑒（2006）》[4]得到以上各指標(biāo)的相應(yīng)數(shù)據(jù)，運(yùn)用SPSS15.0統(tǒng)計(jì)分析軟件中的因子分析法[5]，采用主成分分析法提取公因子，計(jì)算出相關(guān)系數(shù)陣的特征值、貢獻(xiàn)率、累計(jì)貢獻(xiàn)第一步，利用SPSS15.0對(duì)原始數(shù)據(jù)（見附錄1）進(jìn)行計(jì)算，得出相關(guān)系數(shù)矩陣，可10個(gè)財(cái)務(wù)指標(biāo)之間存在較強(qiáng)的相關(guān)關(guān)系，可以進(jìn)行因子分析。第二步，按照特征根大于１的原則選取公共因子SPSS15.0的運(yùn)行中，選擇以主成分法作為因子提取方法，選定因子提取標(biāo)準(zhǔn)是值≥1。由表2可知，有三個(gè)滿足條件的特征值，它們81.687%，代表了絕大部分信息，因此提取三個(gè)因子便能夠?qū)λ治龅膯?wèn)題進(jìn)行很好的解釋第三步，采用主成分分析法計(jì)算因子載荷矩陣同樣利用SPSS15.0求得初始因子載荷矩陣，從表3可以看出，各公共因子的典型代表變量不是很突出，各指標(biāo)前幾個(gè)公共因子上均有相當(dāng)程度義，所以要進(jìn)一步進(jìn)行旋轉(zhuǎn)。選擇方差最大化方法進(jìn)行因子旋轉(zhuǎn)，得到旋轉(zhuǎn)后的因子載荷矩陣如表4根據(jù)旋轉(zhuǎn)后的因子載荷矩陣表4，可將指標(biāo)集分為三個(gè)主因子，第一主因子在人均GDP、服務(wù)業(yè)從業(yè)人員比率、人均批發(fā)零售及住宿餐飲、人均交通倉(cāng)儲(chǔ)及郵電、人均金融及上具有很大載荷，從各指標(biāo)的經(jīng)濟(jì)含義可知反映了地區(qū)服務(wù)業(yè)發(fā)展的經(jīng)濟(jì)基礎(chǔ)，將其定義為服務(wù)業(yè)發(fā)展動(dòng)力因子；第二主因子在服務(wù)業(yè)全社會(huì)固定資產(chǎn)投資額、服務(wù)業(yè)從業(yè)人員工資總額、服務(wù)業(yè)城鎮(zhèn)專業(yè)技術(shù)人員數(shù)上有較大載荷，從各指標(biāo)的經(jīng)濟(jì)含義可知反映了服務(wù)業(yè)在資本、人力等方面的投入，將其定義為服務(wù)業(yè)發(fā)展投入因子；第三主因子在人均城鎮(zhèn)居民消費(fèi)性支出、服務(wù)業(yè)增加值占GDP上載荷較大，從各指標(biāo)的經(jīng)濟(jì)含義可知是反映服務(wù)業(yè)競(jìng)爭(zhēng)力提高的潛力指標(biāo)，將其定義為服務(wù)業(yè)展?jié)摿σ蜃印５谒牟?，?gòu)建服務(wù)業(yè)競(jìng)爭(zhēng)力綜合評(píng)價(jià)模型，算出因子得分并排序利用SPSS15.0得出的因子得分系數(shù)矩陣，一個(gè)地區(qū)相對(duì)于第一主因子的得分如下計(jì)算iii根據(jù)各主因子的特征值得出各主因子的權(quán)重i為第i個(gè)主因子應(yīng)的特征值（i=1，2，3），可以構(gòu)造服務(wù)業(yè)競(jìng)爭(zhēng)力的綜合評(píng)價(jià)模型：i),其中2F2+1F1+F=3其中，F(xiàn)i是各個(gè)主因子得分矩陣。由此可得每個(gè)樣本相對(duì)于三個(gè)主因子的得分（見表5）表5中西部十二省區(qū)的因子得分與綜合得分只代表在本文構(gòu)建的指標(biāo)下區(qū)的相對(duì)差別，得分?jǐn)?shù)值越大，代表競(jìng)爭(zhēng)力越強(qiáng)，正值表示其競(jìng)爭(zhēng)力高于平均水平之，負(fù)值則表示低于平均水平。評(píng)價(jià)結(jié)果分表5中的主因子得分和綜合得分得出了西部十二省區(qū)服務(wù)業(yè)競(jìng)爭(zhēng)力的量化描述，可同角度對(duì)區(qū)服務(wù)業(yè)競(jìng)爭(zhēng)力進(jìn)行分析比較。從綜合得分和來(lái)看，西部十二省區(qū)服務(wù)業(yè)發(fā)展很不平衡，競(jìng)爭(zhēng)力水平差異較大。個(gè)省區(qū)服務(wù)業(yè)競(jìng)爭(zhēng)力的依次為內(nèi)、、重慶、廣西、陜西、云南、、、、、青海、。綜合得分在西部地區(qū)平均水平之上的只有6個(gè)省區(qū)，僅占50%。其中，內(nèi)的服務(wù)業(yè)競(jìng)爭(zhēng)力最強(qiáng)，主要得益于它在服務(wù)業(yè)發(fā)展動(dòng)力方面的絕對(duì)優(yōu)勢(shì)。雖名列第2，但其在F1上的得分為負(fù)值，處于西部平均水平之下。與綜合得分相差無(wú)幾的重慶在三個(gè)主因子上的得分均為正值，這說(shuō)明重慶在服務(wù)業(yè)發(fā)展的動(dòng)力、服務(wù)業(yè)發(fā)展的投入和服務(wù)業(yè)發(fā)展的潛力方面在西部地區(qū)表現(xiàn)突出但略顯平均，其服務(wù)業(yè)競(jìng)爭(zhēng)力在西部地區(qū)處于相對(duì)優(yōu)勢(shì)地位。綜合得分在平均水平之下的其余6個(gè)省區(qū)之間的差距也很大，三個(gè)主因子得分均處于平均水平之下的省區(qū)就有3個(gè)：、青海和，也因此決定它們的綜合得分排在最后三位。三個(gè)主因子的得分至少有一個(gè)為負(fù)值的省區(qū)有8個(gè)，這說(shuō)明西部大多數(shù)省區(qū)的服務(wù)業(yè)在發(fā)展的動(dòng)從三個(gè)主因子的得分和各自來(lái)看，在第一個(gè)主因子上得分最高的是內(nèi)，其得分遠(yuǎn)遠(yuǎn)高于其他省區(qū)，得分為正值的只有4個(gè)省區(qū)，即排名前四的內(nèi)、重慶、和，說(shuō)明它們的服務(wù)業(yè)發(fā)展動(dòng)力強(qiáng)大，這主要得益于這四省的人均GDP位于西部十二省區(qū)中的前4名，反映了經(jīng)濟(jì)發(fā)展水平是制約服務(wù)業(yè)發(fā)展的重要因素。在第二個(gè)主因子上的得分第１，是第2的云南得分的近3倍，這說(shuō)明對(duì)服務(wù)業(yè)的投入遠(yuǎn)比其他省區(qū)多，而憑借其在服務(wù)業(yè)投入方面的優(yōu)勢(shì)使其綜合位居第2，這充分說(shuō)明服務(wù)業(yè)投入的多少直接影響到該省區(qū)服務(wù)業(yè)的綜合競(jìng)爭(zhēng)力。在反映服務(wù)業(yè)發(fā)展?jié)摿Φ牡谌齻€(gè)主因子上只有西藏、重慶、云南、在地區(qū)平均水平之上，其中的得分以高出第2名69.55%的優(yōu)勢(shì)排在首位，說(shuō)明的服務(wù)業(yè)消費(fèi)水平高且服務(wù)業(yè)在該省區(qū)經(jīng)濟(jì)發(fā)展中所處地位顯著，服務(wù)業(yè)競(jìng)爭(zhēng)力得以改善提升西部十二省區(qū)服務(wù)業(yè)競(jìng)爭(zhēng)力水平的對(duì)策建西部十二省區(qū)根據(jù)其綜合得分可進(jìn)行分組比較（見表6），根據(jù)分組提出如下相應(yīng)的對(duì)策建議對(duì)于服務(wù)業(yè)競(jìng)爭(zhēng)力相對(duì)較強(qiáng)的內(nèi)、、重慶而言，它們?cè)谖鞑渴^(qū)中處于濟(jì)發(fā)展的較高階段，工業(yè)化程度相對(duì)較高，人均GDP處于高水平，主要服務(wù)行業(yè)的發(fā)展?fàn)顩r良好，但是它們至少有一個(gè)主因子的得分位5名及以后。內(nèi)在F3的得分上為負(fù)，處于平均水平之下，主要是因?yàn)樵搮^(qū)人均城鎮(zhèn)居民消費(fèi)性支出相對(duì)較少，服務(wù)業(yè)增加占GDP的相對(duì)較低。在F1的得分上為負(fù)，說(shuō)明該省的服務(wù)業(yè)發(fā)展動(dòng)力不足，究其原因是人均GDP處于低水平，主要服務(wù)行業(yè)的發(fā)展?fàn)顩r不樂(lè)觀。而重慶則在服務(wù)業(yè)發(fā)展的投入方面表現(xiàn)遜色。在今后的發(fā)展中，要以內(nèi)和成渝特區(qū)為龍頭，積極引進(jìn)復(fù)合型、國(guó)際型的服務(wù)人才，促進(jìn)西部地區(qū)服務(wù)業(yè)協(xié)同發(fā)展，同時(shí)，向高技術(shù)、知識(shí)密集型的現(xiàn)代服務(wù)業(yè)滲透，優(yōu)化服務(wù)業(yè)內(nèi)部結(jié)構(gòu)。內(nèi)要重點(diǎn)培育服務(wù)業(yè)對(duì)外輸出能力，發(fā)揮伊利、蒙牛等企業(yè)的品牌優(yōu)勢(shì)，帶動(dòng)上其他服務(wù)企業(yè)的發(fā)展；同時(shí)加快產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，出臺(tái)政策鼓勵(lì)服務(wù)業(yè)的發(fā)展。和重慶要充分利用成渝特區(qū)的政治優(yōu)勢(shì)，吸引，加快傳統(tǒng)服務(wù)業(yè)的改組改造，大力發(fā)展金融、、房地產(chǎn)、、咨詢等現(xiàn)代服務(wù)行業(yè)，并充分利用地區(qū)旅游資源，制定以旅游業(yè)發(fā)展為導(dǎo)向的服務(wù)業(yè)發(fā)展規(guī)劃。針對(duì)處于相對(duì)中等水平的廣西、陜西、云南、、、而言，它們?cè)诜?wù)業(yè)發(fā)展的動(dòng)力、投入和潛力方面各有特色和優(yōu)劣勢(shì)。對(duì)于在F1上處于劣勢(shì)的廣西和云南而言，應(yīng)該大力發(fā)展地