因子分析实验报告.docx

《因子分析实验报告.docx》由会员分享，可在线阅读，更多相关《因子分析实验报告.docx（8页珍藏版）》请在课桌文档上搜索。

1、河x/H呼反实验报告经济贸易系统计学专业12级统计学本科班实验人：实验地点：实训楼B301实验日期:2023.5.13实验题目：企业经济效益综合评价分析报告实验目的：掌握主成分和因子分析的理论知识，并利用spss统计软件实现对主成分和因子分析的上机操作。实验内容：利用spss统计软件对我国局部省、直辖市、自治区独立核算的工业企业的经济效益评价指标相关数据进行分析，简化企业经济效益评价系统结构，抓住经济效益评价的主要问题。以此来了解到我国各地区规模以上企业经济效益状况的大体分布情况。实验步骤：1、数据标准化由于因素的量纲不同而导致统计结果与实际情况出项偏差是常见现象。所以在做分析之前，我们需要通

2、过消除量纲，即数据标准化，再对标准化的数据进行分析这样得到的结果就比拟接近实际情况。标准化后的变量均值为0,方差为1.按分析描述统计描述途径翻开描述统计对话框，首先将未标准化的变量移入变量组中，勾选将标准化得分另存为变量复选框，最后点击确定。2、因子分析按分析降维一因子分析途径翻开因子分析.对话框，将标准化的变量移入变量组中。其他按钮中的操作如下：实验结果：1、主成分分析结果：成份矩阵.成份12Zscorc:百元固定资产原值.931-315实现值%)Zscore:百元固定资产原值实现利税%.976,163Zscore:百元资金实现利税931,322Zscorc:百元工业总产值实现利税%.232

3、.863Zscore:百元销售收入实现利税%.433.596Zscore(每吨标准煤实现产值元)923-.200Zscore(每千瓦时电力实现工业产值元).897-.274Zscore:全员劳动生产率元/人.年871-.064ZSCore(百元流动资金实现产值元).899-.154提取方法：主成份。a.已提取了2个成份。确定各个变量的al,a2.导入al、a2,在菜单里点击转换/计算变量在目标变量框里输入zl,在数字表达式框里输入alsqrt(6.150);再输入z2=a2/sqrt(1.473)I转换(!)分析)直消(M)图形9)实用卷、留计算变里-军山对个案内的值计数(2)-转换值()=得

4、系数矩阵为：2个主成分的线性表达式为：Fl=0.375x+0394x2+0.375x3+0.094x4+0.175x5+0.726+0.362x7+0351+0.3639F2=-0.260x+0.134x2+0.256x3+0.7114+0.491xs-0.165x6-0.226x7-0.053X8-0.127X9其中：Xl:百元固定资产原值实现值；X2百元固定资产原值实现利税X3：百元资金实现利税X4：百元工业总产值实现利税X5：百元销售收入实现利税X6：每吨标准煤实现产值X7：每千瓦时电力实现工业产值X8:全员劳动生产率X9：百元流动资金实现产值)所提取的公因子中FI在XI、x2、x3、x

5、6、x7、x8、x9上有较大的载荷，该因子概括了企业的生产能力。F2在x4、x5上有较大的载荷，该因子概括了企业的盈利能力。2、因子分析结果：(I)KMO和Bartlett的检验KMO和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量。Bartlelt的球形度检近似卡方验dfSigt.754379*52236.000KMo的值是().754,Bartlett的球形度检验的P-值为().000,说明可以进因子分析。(2)解释的总方差解释的总方差成份初始特征值提取平方和载人旋转平方和载人合计方差的%累积%合讨方差的%累积%合计方差的现累枳%16.15068.33268.3

6、326.15068.33268.3325.65562.83862.83821,47316.36584,6981.47316.365846981,96721.86084.6983.6977.74992.4474.3183.53195.9785902J1298,0906.1161.28999.3797.029.32499.7038,024.27099,9739.002.027100.000提取方法：主成份分析。由表可知两个公因子的累计方差奉献率为84.698%。说明前2个主成分根本包含了全部指标具有的信息。3公因子方差公因子方差初始提取Zscorc:百元固定资产原值1.000.967实现值%）Zs

7、core:百元固定资产原值实现利税%LOOO.978Zscore:百元资金实现利税1.000.970Zscorc:百元工业总产值实现利税%1.000.799Zscore:百元销售收入实现利税%LOOO.543Zscore（每吨标准煤实现产值元）1.000.892Zscore（每千瓦时电力实现工业产值元）1.000.879Zscore:全员劳动生产率元/人.年LOOO.763ZSCore（百元流动资金实现产值元）1.000.832提取方法：主成份分析。表给出了9个原始变量的变量共同度。变量共同度反响了每个变量对提取出的所有公共因子的依赖程度。除百元销售收入实现利税%和全员劳动生产率元/人年的共同

8、度小于80%,百元流动资金实现产值元共同度为82.3%外，其余变量的共同度都在90%左右以及以上，说明提取的因子已经包含了原始变量的大局部信息，因子提取的效果比拟理想。4碎石图分析该图为因子的碎石图，图中横坐标为因子的序号，纵坐标为相应特征根的值。从图中可以看到，前两个因子的特征根普遍较高，连接成陡峭的线，而第三个之后的特征根普遍较低，连接成平缓的折线，这进一步说明提取2个因子是比拟适合的。5）旋转成份矩阵旋转成份矩阵成份12Zscore:百元固定资产原值983.005实现值%）Zscore:百元固定资产原值.870.471实现利税（%Zscore:百元资金实现利税.775.607Zscore

9、:百元工业总产值实现利税-.061.892Zscore:百元销售收入实现利税（%）.215,705ZSCOre（每吨标准煤实现产值元）938.111Zscore（每千瓦时电力实现工业产值元）.937.033Zscore:全员劳动生产率元/人.年.845,223ZSCOre（百元流动资金实现产值元）.900.147提取方法：主成份。旋转法：具有KaiSer标准化的正交旋转法。a.旋转在3次迭代后收敛。表给出了旋转后的因子载荷矩阵，根据该表可以写出每个原始变量的因子表达式：Xl=0.983Fl+0.05F2;X2=0.870Fl+0.471F2;X3=0.775Fl+0.607F2.（6）成份得分

10、系数矩阵成份得分系数矩阵成份12Zscore:百元固定资产原值,213-.153实现值%）Zscore:百元固定资产原值实现利税（%）.114.156Zscore:百元资金实现利税072,256（%）Zscore:百元工业总产值实155.567现利税%Zscore:百元销售收入实现利税（%）-.065.406ZSCOre（每吨标准煤实现产值186-+080元）Zscore（每千瓦时电力实现工.198-.128业产值元）Zscore:全员劳动生产率.148.005元从.年ZSCore（百元流动资金实现产值元）J72-.051成份得分系数矩阵成份12Zscore:百元固定资产原值*213-153实

11、现值%）Zscore:百元固定资产原值实现利税%.114.156Zscorc:百元资金实现利税.072.256Zscore:百元工业总产值实现利税%-J55567Zscore:百元销售收人实现-.065.406利税%ZSCOre（每吨标准煤实现产值186-.080元）ZSCOrC（每千瓦时电力实现工业产值元）.198-.128Zscore:全员劳动生产率.148.005元人.年ZSCorC（百元流动资金实现产值元）.172-.051提取方法：主成份。旋转法：具有KaiSeI标准化的正交旋转法。构成得分。表给出因子得分系数矩阵，根据表中的因子得分系数和原始变量的标准化值就可以计算每个观测值的各因

12、子的得分。旋转后的因子得分表达式可以写成：Fl=-0.231x+0.1562+0.072X3-0.1554-0.065X5+O.I86X6+0.1987+0.148X8+0.172X9Fl=0.153+0.9762+0.2563+0.5674+0.4065-O.O8Xe-0.128X7+0.0058-0.051X9根据以上因子得分表达式可以计算出我国各地区各因子上的得分以及排名，以及提取的各个公因子的方差奉献率占提取公共因子的总方差奉献率的比重作为权重，将各个公因子得分进行加权汇总，作为样本的综合得分。由于在保存的对话框中选择了保存为变量、的复选框，所以，在数据文件中会生成2个因子得分变量，变

13、量名分别为：FACT1、FAcT2_1.图显示了详细的各因子在不同地区中的得分以及排名，还有综合得分和排名.从图中可以清楚的看到各个地区有自己的优势以及缺陷，综合排名那么是通过对2个因子对总体不同奉献率的加权平均得到的，大体反响了企业的总体状况。从表中可以看出上海、江苏、浙江等沿海地区得分最高，说明这些地区企业的经济效益总体较强；中部地区企业得分在O附近沉浮，说明这些地区企业经济效益较好；也可以看到西部地区省份，地区企业经济效益较低，综合得分大都为负，尤其是青海地区最低，说明青海地区的规模以上企业由于技术落后，人才缺乏等导致生产力以及盈利能力都为较差。总体来说，东部企业经济效益要好于西部，因此我国进行西部大开发对于我国各国规模以上企业来说是必要的。实验体会与拓展设想：体会到了spss在处理数据方面的强大功能，合理的运用软件分析数据，整理数据对多元统计分析这门课程来说是尤为重要的。得分