旋转成分矩阵结果分析_因素分析的结果解读
举个例子：现在要对30个省、自治区的经济发展状况进行排序，经济发展状况可通过6个指标进行衡量，分别是①GDP ②居民消费水平 ③固定资产投资 ④职工平均工资 ⑤商品价格指数 ⑥工业总产值。可得这是一个综合评价问题，各指标间存在数值关联，且各指标重要性也有所差异，因此我们通过因子分析找出能综合主要信息的少数几个随机变量并对其进行排序分析。
依次选择【分析】--【降维】--【因子分析】打开因子分析主对话框；
选择【描述】-【系数】和【KMO和Bartlett球形检验】回到主对话框；
选择【抽取】-【相关性矩阵】和【碎石图】回到主对话框；
选择【旋转】-【最大方差法】和【旋转解】回到主对话框；
选择【得分】-【保存为变量】【回归法】和【显示因子得分系数矩阵】回到主对话框；
选择【选项】-【按大小排序】和【取消小系数】回到主对话框；
在主对话框点击【确定】，分析结果及解读如下：
1、图1 为六个原始变量之间的系数矩阵，可见变量之间确实存在一定的相关性，存在信息的重叠，进行因子分析有一定的必要性。
图1
2、图2为KMO和Bartlett球形检验结果，Bartlett检验表明，sig.为0.000，拒绝各变量独立的假设。KMO检验变量间的偏相关是否较大，KMO值大于0.7代表因子分析效果较好，小于0.5则表明不适合运用因子分析&#
举个例子：现在要对30个省、自治区的经济发展状况进行排序，经济发展状况可通过6个指标进行衡量，分别是①GDP ②居民消费水平 ③固定资产投资 ④职工平均工资 ⑤商品价格指数 ⑥工业总产值。可得这是一个综合评价问题，各指标间存在数值关联，且各指标重要性也有所差异，因此我们通过因子分析找出能综合主要信息的少数几个随机变量并对其进行排序分析。 依次选择【分析】--【降维】--【因子分析】打开因子分析主对话框； 选择【描述】-【系数】和【KMO和Bartlett球形检验】回到主对话框； 选择【抽取】-【相关性矩阵】和【碎石图】回到主对话框； 选择【旋转】-【最大方差法】和【旋转解】回到主对话框； 选择【得分】-【保存为变量】【回归法】和【显示因子得分系数矩阵】回到主对话框； 选择【选项】-【按大小排序】和【取消小系数】回到主对话框； 在主对话框点击【确定】，分析结果及解读如下： 1、图1 为六个原始变量之间的系数矩阵，可见变量之间确实存在一定的相关性，存在信息的重叠，进行因子分析有一定的必要性。 图1 2、图2为KMO和Bartlett球形检验结果，Bartlett检验表明，sig.为0.000，拒绝各变量独立的假设。KMO检验变量间的偏相关是否较大，KMO值大于0.7代表因子分析效果较好，小于0.5则表明不适合运用因子分析&