究对象的数目。数据下表是我国按行业分城镇单位就业人员平均工资的原始数据,数据来源于《2013中国统计年鉴》,X1~X19分别代表农林牧渔业、采矿业、制造业、电力热力燃气及水生产和供应业、建筑业、批发零售业、交通运输仓储和邮政业、住宿和餐饮业、信息传输软件和信息技术服务业、金融业、房地产业、租赁和商务服务业、科学研究和技术服务业、水利环境和公共设施业、居民服务修理和其他服务业、教育、社会卫生和工作、文化体育和娱乐业、公共管理社会保障和社会组织。分析(一)因子分析1、因子分析的适用性判定如图所示,从KMO测度来看,KMO值等于0.705大于0.5,可以做因子分析,从巴特莱特球体检验来看,其零假设是相关矩阵为单位矩阵,P值等于0,说明拒绝原假设,原始数据适合进行因子分析。上图说明因子解释原始变量方差的情况,提取了三个主成分因子,第一主成分的特征值为14.527,第二主成分的特征值为1.101,第三主成分的特征值为0.860,这三个主成分特征值的累计概率达到了86%,说明解释了原始数据86%的信息。上图为各个变量的共同度,大多数变量的共同度都达到了0.9以上,说明提取的信息较多。图为旋转前的因子载荷矩阵,旋转前各变量在各个载荷区别并不是很明显。根据X=aF+…+aF+ε可以算出各公共因子的线性组合。图为旋转后的因子载荷矩阵,可以看出,电力热力、批发零售业、交通运输住宿和餐饮业、信息传输、金融业、房地产服务业、租赁、公共设施服务业、教育社会工作、卫生、体育社会保障、公共管理和社会组织对第一主成分的贡献较大,称为社会工作因子;农林牧业、采矿业、制造气燃气、建筑业对第二主成分的贡献较大,称为工农建筑业因子;居民服务、服务业对第三主成分的贡献较大,称为居民服务因子。图为主成分的得分系数矩阵,根据F=βX+βX+…+βX算出各主成分的得分如下表所示。上图为各个省份的主成分得分和综合得分情况。
全文预览
