农民人均纯收入 在岗职工平均工资 人才密度指数 科技支出占财政支出比重（%） 每万人拥有执业医师数量 每千人拥有病床数 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 Extraction Method: Principal Component Analysis. 这是因子分析初始结果，该表格的第一列列出了18个原始变量名；第二列是根据因子分析初始解计算出的变量共同度。利用主成分分析方法得到18个特征值，它们是银子分析的初始解，可利用这18个出世界和对应的特征向量计算出银子载荷矩阵。由于每个原始变量的所有方差都能被因子变量解释掉，因此每个变量的共同度为1；第三列是根据因子分析最终解计算出的变量共同度。根据最终提取的m个特征值和对应的特征向量计算出因子载荷矩阵。（此处由于软件的原因有点小问题）
这时由于因子变量个数少于原始变量的个数，因此每个变量的共同度必然小于1。
（5）输出结果第六部分为Total Variance Explained表格 Total Variance Explained Component 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Total 9.139 1.718 1.014 .659 .536 .361 .258 .133 .077 .049 .031 .020 .005 .001 Initial Eigenvalues % of Variance 65.279 12.269 7.240 4.706 3.827 2.577 1.844 .952 .549 .349 .224 .140 .038 .005 Cumulative % 100.000 Extraction Method: Principal Component Analysis. Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings 第 11 页
Cumulative % 1 2 3 4 5 6 7 8 9 10 11 12 13 65.279 77.548 84.788 89.494 93.321 95.898 97.743 98.695 99.244 99.593 99.817 99.958 99.995 Total 9.139 1.718 1.014 .659 .536 .361 .258 .133 .077 .049 .031 .020 .005 % of Variance 65.279 12.269 7.240 4.706 3.827 2.577 1.844 .952 .549 .349 .224 .140 .038 Cumulative % 65.279 77.548 84.788 89.494 93.321 95.898 97.743 98.695 99.244 99.593 99.817 99.958 99.995 Extraction Method: Principal Component Analysis. Total Variance Explained Component 1 2 3 4 5 6 7 8 9 10 11 12 13 Rotation Sums of Squared Loadings Total 4.794 2.262 1.846 1.571 1.548 .844 .567 .273 .131 .068 .046 .035 .014 % of Variance 34.242 16.158 13.188 11.222 11.060 6.028 4.048 1.948 .938 .482 .329 .252 .100 Cumulative % 34.242 50.400 63.587 74.809 85.869 91.898 95.946 97.894 98.832 99.314 99.643 99.895 99.995 Extraction Method: Principal Component Analysis. 该表格是因子分析后因子提取和银子旋转的结果。其中，Component列和Initial Eigenvalues列（第一列到第四列）描述了因子分析初始解对原有变量总体描述情况。第一列是因子分析13个初始解序号。第二列是因子变量的方差贡献（特征值），它是衡量因子重要程度的指标，例如第一行的特征值为9.139，后面描述因子的方差依次减少。第三列是各因子变量的方差贡献率（% of Variance），
第 12 页
表示该因子描述的方差占原有变量总方差的比例。第四列是因子变量的累计方差贡献率，表示前m个因子描述的总方差占原有变量的总方差的比例。第五列和第七列则是从初始解中按照一定标准（在前面的分析中是设定了提取因子的标准是特征值大于1）提取了3个公共因子后对原变量总体的描述情况。各列数据的含义和前面第二列到第四列相同，可见提取了5个因子后，它们反映了原变量的大部分信息。第八列到第十列是旋转以后得到的因子对原变量总体的刻画情况。各列的含义和第五列到第七列是一样的。 （6）SPSS输出的该部分的结果如下： Component Matrix a 人均一般预算性财政收入 人均城乡居民储蓄存款 每千人拥有病床数 第三产业占GDP比重(%) 人才密度指数 人均城镇固定资产投资额 每万人拥有执业医师数量 人均实际利用外资额（万美元/人） 人均社会消费品零售额 人均GDP(元/人) 科技支出占财政支出比重（%） 在岗职工平均工资 农民人均纯收入 人均全社会固定资产投资额 .805 .797 .712 .706 .271 .611 .370 .458 .000 .386 .887 -.328 1 .959 .959 .910 .890 .886 .868 .861 .815 2 -.075 .008 -.272 -.087 .098 -.162 -.362 -.271 Component 3 .015 -.154 -.089 -.137 -.098 .404 -.183 -.346 4 .158 -.107 .204 -.141 -.179 -.183 -.137 -.079 5 -.140 -.039 -.051 .067 .151 .078 -.115 .064 6 -.023 .001 .040 .373 -.259 .006 .069 -.012 -.218 .282 -.097 .158 -.002 .690 -.203 .099 .621 .145 -.088 -.074 .026 -.029 .302 -.531 .245 .163 -.223 -.163 -.008 .080 .253 .028 Extraction Method: Principal Component Analysis. a. 13 components extracted. 该表格是最终的因子载荷矩阵A，对应前面的因子分析的数学模型部分。根据该表格可以得到如下因子模型： X=AF+aε
x1=0.959F1-0.075F2+0.015F3+0.158 F4-0.140F5-0.023F6-0.096F7+0.017F8-0.117F9
+0.004F10-0.062F11-0.040 F12+0.021 F13 Component Matrix a 人均一般预算性财政收入 人均城乡居民储蓄存款 7 -.096 .109 8 .017 -.022 Component 9 -.117 -.134 10 .004 -.073 11 -.062 -.016 第 13 页
每千人拥有病床数 第三产业占GDP比重(%) 人才密度指数 人均城镇固定资产投资额 每万人拥有执业医师数量 人均实际利用外资额（万美元/人） 人均社会消费品零售额 人均GDP(元/人) 科技支出占财政支出比重（%） 在岗职工平均工资 农民人均纯收入 人均全社会固定资产投资额 .158 -.079 -.066 -.024 .200 -.330 .034 -.039 -.252 .094 -.081 .115 .061 -.044 .066 .001 .015 .080 .106 -.049 -.017 .015 .073 .021 -.046 .036 -.035 -.087 .061 .023 .177 -.116 .046 -.042 .036 .044 .191 -.005 -.005 -.032 -.006 .006 .035 -.101 .023 .110 .039 .055 -.054 .094 -.059 -.058 .053 -.045 .027 .081 .014 .000 -.030 .050 Extraction Method: Principal Component Analysis. a. 13 components extracted. Component Matrix a 人均一般预算性财政收入 人均城乡居民储蓄存款 每千人拥有病床数 第三产业占GDP比重(%) 人才密度指数 人均城镇固定资产投资额 每万人拥有执业医师数量 人均实际利用外资额（万美元/人） 人均社会消费品零售额 人均GDP(元/人) 科技支出占财政支出比重（%） 在岗职工平均工资 农民人均纯收入 人均全社会固定资产投资额 Component 12 -.040 .089 -.004 -.066 -.019 -.004 .008 .046 13 .021 -.015 -.042 -.019 -.006 .018 .040 .003 -.044 -.003 .002 .011 .028 .017 -.001 -.011 .016 .002 .011 -.006 Extraction Method: Principal Component Analysis. a. 13 components extracted. （7）SPSS输出的该部分的结果如下：
该表格是按照前面设定的方差极大法对因子载荷矩阵旋转后的结果。未经过旋转
第 14 页
的载荷矩阵中，因子变量在许多变量上都有较高的载荷。
经过旋转之后，第一个因子含义略加清楚，基本上放映了“每万人拥有执业医师数量”、“第三产业占GDP比重(%)”、“人均实际利用外资额（万美元/人）”；第二个因子基本上反映了“人均全社会固定资产投资额”、“人均城镇固定资产投资额”；第三个因子反映了“在岗职工平均工资”…… Rotated Component Matrix a 每万人拥有执业医师数量 第三产业占GDP比重(%) 人均实际利用外资额（万美元/人） 人均城乡居民储蓄存款 每千人拥有病床数 人均一般预算性财政收入 人均全社会固定资产投资额 人均城镇固定资产投资额 在岗职工平均工资 人均GDP(元/人) 科技支出占财政支出比重（%） 农民人均纯收入 人均社会消费品零售额 人才密度指数 .767 .718 .636 .220 .500 .288 .198 .340 -.012 .498 .583 .255 .316 .338 .953 .772 .161 .386 .166 -.044 .101 .283 1 .877 .861 .806 2 .278 .299 .133 Component 3 .182 .185 .102 4 .163 .184 .242 5 -.125 .261 -.047 6 .181 -.010 .142 .306 .284 .475 .113 .239 .896 .559 .154 .187 .285 .207 .239 .477 .392 .146 .123 .130 .290 .895 .063 .156 .218 .174 -.082 .018 -.063 .096 .239 .429 .127 .972 .396 .229 .311 .165 .153 .002 .177 .107 .246 .077 .105 .663 .291 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 7 iterations. Rotated Component Matrix a 每万人拥有执业医师数量 第三产业占GDP比重(%) 人均实际利用外资额（万美元/人） 人均城乡居民储蓄存款 每千人拥有病床数 人均一般预算性财政收入 人均全社会固定资产投资额 .175 .036 .139 .056 -.040 -.030 .097 -.017 7 .105 .030 .174 8 -.121 .069 .458 Component 9 -.004 -4.382E-5 .036 10 .089 -.131 -.007 11 -.060 .033 .009 .072 -.001 .153 .003 -.031 .197 -.009 -.015 .031 .015 .155 -.048 第 15 页