多元统计分析判别分析 (2)

判别分析

多元统计分析大作业（三）

农村居民家庭生产性固定资产原值的因

子分析

学 院： 学 号： 姓 名： 班 级：

信计 20100670 黄宁 统计一班

判别分析

农村居民家庭生产性固定资产原值的因子分析 摘要：

本课题是为了研究如何对农村居民家庭的生产性固定资产原值进行因子分析。通过分析发现不同因子的重要性指标，从而为决策者提供依据。

关键词：

Spss; 因子分析；分类；固定资产原值。 引言

固定资产原值是固定资产取得时的实际成本支出，或应当以同类资产的市场价格计算的价值。固定资产原值反映企业在固定资产方面的投资和企业的生产规模、装备水平等，它还是进行固定资产核算、计算折旧的依据。[定资产购置后，以固定资产的买价加上运杂费，安装费等记入固定资产帐户构成固定资产原值；在固定资产入账的次月开始，按月进行计提折旧，记入累计折旧帐户，固定资产原值减去累计折旧的差额构成固定资产余额。固定资产原值是指帐面固定资产原始购置的金额，固定资产余额是固定资产原值减去累计折旧的结果。用公式表述，前者是被减数，后者是差。而将固定资产原值用于农村家庭生产上，则可很方便的反映农村居民的经济规模和生活水平。

原数据：2011年农村居民家庭生产性固定资产原值表

判别分析

分析过程

1.因子分析的定义

因子分析的基本思想是根据相关性把原始变量分组，是同组内的变量的相关性较高，而不同组变量之间的相关性则较低。每组变量代表一个基本结构，并用一个不可观测的综合变量来表示，这个基本结构称为公共因子。因子分析的目的是寻求基本结构，简化观测系统，减少变量维数，用少数的变量来解释所研究的复杂问题。

2.公因子确定的一般性原则

公因子确定的一般性原则与主成分确定的一般原则基本相同，但是会更加灵活，即重点在于提取出公因子的可解释性上，如果有实际意义，即使贡献率较小，也可以选择保留，而如果特征根大于1，但是找不到合适的解释，则宁可将其主成分去除。 3.实验过程

打开实验数据。然后点击“分析——降维——因子分析”，把除地区以外的所有变量选进分析。在“描述统计”一项中选择“相关矩阵——系数、显著性水平”“抽取”中选择“碎石图”用主成分方法分析。“旋转”中选择“最大四次方法”和“载荷图”成功。 4.实验结果及其分析

判别分析

变量共同度

公因子方差

固定资产 农 业 工 业 建筑业 交通邮电 批发餐饮 服务业 文教卫生 其他

提取方法：主成份分析。

初始

提取

判别分析

碎石图

成份矩阵

a

固定资产 农 业 工 业 建筑业 交通邮电 批发餐饮 服务业 文教卫生 其他

提取方法 :主成份。 a. 已提取了 4 个成份。

成份

1

2

3

4

判别分析

旋转成份矩阵

a

成份 1 固定资产 农 业 工 业 建筑业 交通邮电 批发餐饮 服务业 文教卫生 其他 提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的四分旋转法。 a. 旋转在 5 次迭代后收敛。 .714 .475 .040 -.061 .951 .355 .209 .007 .912 2 .379 -.051 .925 .976 .097 .629 .096 .095 -.090 3 .540 .794 .051 -.042 -.045 -.305 -.664 .041 -.056 4 -.007 -.005 -.034 .015 -.090 .264 -.042 .979 .087

成份转换矩阵 成份 1 2 3 4 提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的四分旋转法。 1 .805 -.472 .360 -.011 2 .558 .785 -.222 -.152 3 .183 -.380 -.906 .035 4 .088 .129 .001 .988

判别分析

成份得分系数矩阵 成份 1 固定资产 农 业 工 业 建筑业 交通邮电 批发餐饮 服务业 文教卫生 其他 提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的四分旋转法。 .196 .102 -.069 -.104 .392 .127 .162 -.025 .391 2 .134 -.025 .415 .437 -.033 .212 -.004 -.041 -.129 3 .318 .510 .076 .024 -.148 -.230 -.501 .048 -.158 4 -.042 .005 -.113 -.069 -.111 .193 -.062 .947 .078

成份得分协方差矩阵 成份 1 2 3 4 提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的四分旋转法。 1 1.000 .000 .000 .000 2 .000 1.000 .000 .000 3 .000 .000 1.000 .000 4 .000 .000 .000 1.000

判别分析

实验结果分析：

1.“相关矩阵表”表示，这9个变量中，部分变量之间存在很大的相关性，故需要进行因子分析。

2.“共因子方差”表中显示服务业的提取为0.496，表明除了“服务业”外。其余的变量都可以很好的被4个共同因子解释。这8个变量的因子共同度都在0.85之上。

3.“解释总方差表”表示第一个因子的特征值是3.084，大约占去方差的34.264%，基于过程内必取特征值大于1的原则。过程提取了4个共因子。4个因子共占去方差的83.835%。所以提取4个公因子是完全合理的。放弃的5个因子的方差解释量不及20%。

4.“碎石图”是按照特征根大小排列的散点图。如图所以。前3个特征根都大于1.第4个接近1。其余都很小，可认为4个公因子可概括绝大部分的信息。 5.“旋转空间的成分图”可以形象的反映出3个公因子与9个变量之间的关系 6.“旋转成分矩阵”可以看出“固定资产、交通邮电、其他”可归为公因子1。“工业、建筑业、批发餐饮”可归为公因子2.“农业、服务业”可归为公因子3 “文教卫生”归为公因子4。

本文来源：https://www.bwwdw.com/article/qjki.html