試驗五因子分析一、實驗目的：運用因子分析方法分析數據。二、實驗內容：SPSS操作因子分析下表資料為25名健康人的7項生化檢驗結果，7項生化檢驗指標依次命名為X1至X7，請對該資料進行因子分析。

X1X2X3X4X5X6X73.768.596.227.579.035.513.278.749.649.738.597.124.695.511.665.909.848.394.947.239.469.554.948.219.413.664.996.147.287.083.980.627.009.491.332.985.493.011.341.615.769.274.924.382.307.315.354.523.086.440.541.344.527.072.591.300.443.311.031.001.173.682.171.271.571.551.512.541.031.771.044.254.502.425.115.2810.029.8412.6611.766.923.3611.6813.579.879.179.725.985.812.808.8413.6010.056.687.7912.0011.748.079.1012.509.777.502.171.794.545.337.633.5313.139.877.852.642.764.571.785.409.023.966.494.3911.582.771.793.752.4513.7410.162.732.106.227.308.844.7618.5211.069.913.433.555.382.097.5012.675.249.065.3716.183.512.104.663.104.782.131.090.821.282.408.391.122.353.702.621.192.013.433.721.971.751.432.812.272.421.051.291.720.91三、實驗步驟：1．確定數據類型，建立數據文件。3.點擊“分析”菜單Analyze，選擇DataReduction（降維）中的的Facto（因子分析）命令項，彈出如下圖對話框。在對話框左側的變量列表中選變量X1至X7，使之進入Variables變量框。4.點擊Descriptives鈕，彈出FactorAnalyze:Descriptives對話框，在對話框選中Univariatedescriptive項要求輸出各變量的均數與標準差，在相關系數欄內選Coefficients項要求計算相關系數矩陣，并選Kmoandbartlett’stestofsphericity檢驗項，要求對相關系數矩陣進行kmo和bartlett統計學檢驗。點擊Continue按鈕返回因子分析對話框。5.點擊Extraction選項，彈出FactorAnalyze:Extraction對話框，選用（主成份）方法，并勾選UnrotatedfactorsolutionScreeplot顯示沒有旋轉的因子載荷、公共因子和特征值，并顯示碎石圖，在Extract中設置Eivgenvaluesover的值為1，之后點擊Continue鈕返回之前對話框。6.點擊Rotation按鈕，進行矩陣旋轉設置。選擇None，不旋轉矩陣。選擇Loadingplot用于顯示前3個因子的三維因子載荷圖；對于兩因子求解，輸出二維圖。選擇完畢后，單擊continue。7.選擇Scores按鈕，進行因子得分選項設置。點擊Saveasvariables，將因子得分保存為新變量。在Method中選中Regression，用回歸的方法計算因子得分，同時勾選Displayfactorscorecoefficientmatrix，計算因子得分系數矩陣，選擇完畢后，單擊continue按鈕。8.單擊Continue按鈕，回到上一級菜單，單擊“OK”按鈕，輸出因子分析結果。四、實驗結果五、實驗分析（1）由描述統計分析得結果可知X1、X2、X3、X4、X5、X6、X7的均值分別為7.1000,4.7732,2.3488,9.1524,5.4584,7.1672,2.3460，標準差分別為2.3238,2.4178,1.6656,3.0141,3.2734,4.5582,1.6109。（2）從原始變量的相關系數矩陣可以看出，這七個變量中許多變量之間存在高度相關，能夠從中提取公因子，故進行因子分析是合適的。（3）本例中KMO檢驗的值為0.321，Bartlett球度檢驗統計量的觀測值為326.285，相應的伴隨概率為0.000，小于顯著性水平0.05，因此拒絕Bartlett球度檢驗的零假設，認為相關系數矩陣與單位矩陣又顯著差異。，濟源右邊臉適合進行因子分析。（4）通過公共因子碎石圖可以看出，前4個因子的特征變化非常明顯，到底4四個特征更以后，特征根變化趨于明顯，因此提取4個公因子是合適的，可以概括絕大部分信息。（5）由公因子方差分析可以看出，4個公因子變量共同解釋了原始變量X1、X2、X3、X4、X5、X6、X7方差的97.7%