spss美国洛杉矶标准大城市统计new

实验目的：美国洛杉矶标准大城市统计区中的12个人口调查区的五个经济学变量的数据，进行因子分析，对因子进行命名和解释，并计算因子得分和排序实验步骤：第1步 选择【Analyze】【Data Reduction-Factor】主对话框。将所 有原始变量选入【Variables】第2步 点击【Descriptives】【correlation Matrix】【KMO and Bartletts test of sphericity】和【significance】 【initial】【Continue】 第3步 点击【Extraction】，在【Method】框中选择Principal components)；在【Extract】中输入选择因子的最小特征根(隐含的是特征根大于1)；在【Display】下选择【Scree Plot】 【Continue】第4步 点击【Rotation】，在【Method】框中选择【Varimax】)；在【Display】下选择【Loading Plot】 【Continue】 第5步 点击【Scores】，并选中【Display factor Score coefficient matrix】(SPSS隐含的估计因子得分系数的方法是Regression) 【Continue】 【OK】运行得下表表一KMO检验和Bartlett球度检验 KOM统计量：0.5750.7，但是Bartletts球形检验sig.=0.000结果显著，适合作因子分析表二 变量共同度量 所有共同度量都在80%以上，因此，提取出的公因子对原始变量的解释能力是很强的 表三各因子所解释的原始变量的方差 前两个因子对原始变量的解释程度在93.399%，解释程度很好表四旋转前的因子载荷矩阵表五旋转后的因子载荷矩阵第一个因子与中等校平均校龄、专业服务项目数、中等房价这三个载荷系数较大，主要解释了这三个变量，从实际意义上看，可以把因子1姑且命名为“繁荣程度”因子。第二个因子与总人口、总雇员数这两个变量的载荷系数较大，主要解释了这两个变量，从实际意义看，可以将因子2姑且命名为“劳动力水平”因子。 表六旋转后的因子载荷图表七因子载荷系数矩阵由因子得分系数矩阵，可以将公因子表示为各变量的线性组合。并计算出综合得分F，然后排序得表八结论：10地区综合得分最高，12地区综合得分最少