SPSS因子分析实例操作步骤实验目的：引入2003~2013年全国的农、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，批发和零售业，交通运输、仓储和邮政业7个产业的投资值作为变量，来研究其对全国总固定投资的影响。
实验变量：以年份，合计（单位：千亿元），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，批发和零售业，交通运输、仓储和邮政业作为变量。
实验方法：因子分析法软件：操作过程：第一步：导入Excel数据文件1.open data document——open data——open；2. Opening excel data source——OK.第二步：1.数据标准化：在最上面菜单里面选中Analyze——Descriptive Statistics——OK （变量选择除年份、合计以外的所有变量）.2.降维：在最上面菜单里面选中Analyze——DimensionReduction——Factor ，变量选择标准化后的数据.3.点击右侧Descriptive，勾选Correlation Matrix选项组中的Coefficients和KMO and Bartlett’s text of sphericity,点击Continue.4.点击右侧Extraction,勾选Scree Plot和fixed number with factors，默认3个，点击Continue.5.点击右侧Rotation，勾选Method选项组中的Varimax；勾选Display选项组中的Loding Plot(s)；点击Continue.6.点击右侧Scores，勾选Method选项组中的Regression；勾选Display factor score coefficient matrix；点击Continue.7.点击右侧Options，勾选Coefficient Display Format选项组中所有选项，将Absolute value blow改为，点击Continue.8.返回主对话框，单击OK.输出结果分析：1.描述性统计量该表提供分析过程中包含的统计量，表格显示了样本容量以及11个变量的最小值、最大值、平均值、标准差。
和球形Bartlett检验KMO and Bartlett's TestKaiser-Meyer-Olkin Measure of Sampling Adequacy..744Bartlett's Test of Sphericity Approx. Chi-Squaredf21Sig..000该表给出了因子分析的KMO和Bartlett检验结果。
从表中可以看出，Bartlett球度检验的概率p值为，即假设被拒绝，也就是说，可以认为相关系数矩阵与单位矩阵有显著差异。
同时，KMO值为，根据KMO度量标准可知，原变量适合进行因子分析。
3.因子分析的共同度CommunalitiesInitial ExtractionZscore(农、林、牧、渔业).883Zscore: 采矿业.741Zscore: 制造业.974Zscore(电力、热力、燃气及水生产和供应业).992Zscore: 建筑业.987Zscore(批发和零售业).965Zscore(交通运输、仓储和邮政业).935Extraction Method: Principal Component Analysis.表格所示是因子分析的共同度。
表格第二列显示初始共同度，全部为；第三列是按照提取3个公因子得到的共同度，可以看到只有“采矿业”的共同度稍低，说明其信息丢失量稍严重。
4.因子分析的总方差解释Total Variance ExplainedCompon entInitial EigenvaluesExtraction Sums of SquaredLoadings Rotation Sums of Squared Loadings Total% ofVarianceCumulative%Total% ofVarianceCumulative%Total% ofVarianceCumulative%1234.4135.0986.011.1527.000.003Extraction Method: Principal Component Analysis.该表由3部分组成，分别为初始因子解的方差解释、提取因子解的方差解释和旋转因子解的方差解释。
Initial Eigenvalues部分描述了初始因子解的状况。
第一个因子的特征根为，解释7个原始变量总方差的%；第二个因子的特征根为，解释7个原始变量总方差的%，累计方差贡献率为%；第三个因子的特征根为，解释7个原始变量总方差的%，累计方差贡献率为%，也就是说，三个变量解释了所有7各变量的90%以上，且也只有这三个变量的特征值大于1。
Extraction Sums of Squared Loadings 部分和 Rotation Sums of Squared Loadings 部分描述了因子提取后和旋转后的因子解。
从表中看出，有三个因子提取和旋转，其累计解释总方差百分比和初始解的前三个变量相同，但经旋转后的因子重新分配各个因子的解释原始变量的方差，使得因子的方差更接近，也更易于解释。
5. 碎石图利用因子分析的碎石图可以更加直观的发现最优因子的数量。
在碎石图中，横坐标表示因子数目，纵坐标表示特征根。
从图中可以看出，前三个因子的特征跟都很大，从第四个开始，因子的特征根都小于一，且连线变得较平缓，及前三个因子对解释变量的贡献最大， 6. 旋转前的因子载荷矩阵该表空白处表示相应载荷小于。
因子载荷矩阵中给出每一个变量在三个因子上的载荷。
在旋转前的载荷矩阵中所有变量在第一个因子上的载荷都较高，即与第一个因子的相关程度较高，第一个因子解释了大部分变量的信息；而后Component Matrix aComponent1 23Zscore(电力、热力、燃气及水生产和供应业).871Zscore(交通运输、仓储和邮政业) Zscore: 采 矿 业 .857 Zscore(农、林、牧、渔业) .704 Zscore(批发和零售业) .726 .569 Zscore: 建 筑 业 .687.364 Zscore: 制 造 业.600.793Extraction Method: Principal Component Analysis. a. 3 components extracted.面两个因子与原始变量的相关程度较小，对原始变量的解释效果不明显，没有旋转的因子的含义很难解释。
7.旋转后的因子载荷矩阵Rotated Component Matrix aComponent123Zscore(农、林、牧、渔业).899Zscore(交通运输、仓储和邮政业)采矿业.771 .352.749 .440.441Zscore(电力、热力、燃气及水生产和供应业)Zscore: 建筑业.985Zscore(批发和零售业) .961Zscore: 制造业 .873Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.该表空白处表示相应载荷小于。
因子载荷矩阵中给出每一个变量在三个因子上的载荷。
在旋转后的载荷矩阵中可以看出，与第一产业相关的产业在第一个因子上的载荷较高，与第二产业相关的产业在第二个因子上的载荷较高，与第三产业相关的产业在第三个因子上的载荷较高。
和没旋转相比，因子的含义清楚很多。
8.旋转空间的因子图该图为可以看做是旋转后的载荷矩阵的图形表示。
从图中又一次验证了前面旋转后的载荷矩阵对因子的解释。
8.因子得分系数Component Score Coefficient MatrixComponent123Zscore(农、林、牧、渔业).445.075Zscore: 采矿业.261.093Zscore: 制造业.008.761Zscore(电力、热力、燃气及.201.182.263水生产和供应业)Zscore: 建筑业.429.156Zscore(批发和零售业).071.402.204.050Zscore(交通运输、仓储和邮政业)Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.Component Scores.列出了采用回归法估算的因子得分系数，根据表中的内容可以写出因子得分函数F1=*Zscore1+**Zscore3+**Zscore5+**Zscore7F2=**Zscore2+*Zscore3+**Zscore5+**Zscore7F3=*Zscore1+*Zscore2+*Zscore3+*Zscore4+**Zscore6+*Zscore7不仅如此，原数据文件中增加了变量FAC_1和FAC_2、FAC_3,表示3个因子在不同年份的得分值。
9.总因子得分及排序附件：原始数据：标准化后的数据：。