2024年3月26日发(作者：及泰鸿)
解释的总方差
初始特征值
成份
1
2
3
4
5
6
7
8
9
10
11
合计
9.121
1.382
.356
.141
方差的 %
82.916
12.563
3.240
累积 %
82.916
95.478
98.718
提取平方和载入
合计
9.121
1.382
方差的 % 累积 %
82.916
12.563
82.916
95.478
旋转平方和载入
合计
9.061
1.441
方差的 % 累积 %
82.376
13.102
82.376
95.478
1.282 100.000
8.666E-16 7.879E-15 100.000
3.199E-16 2.908E-15 100.000
-1.171E-17 -1.064E-16 100.000
-2.468E-17 -2.244E-16 100.000
-2.664E-16 -2.421E-15 100.000
-3.410E-16 -3.100E-15 100.000
-7.122E-16 -6.475E-15 100.000
提取方法：主成份分析。
运用SPSS19.0对原始变量进行因子分析，得到上表。表中内容包含11个变量初始特
征值及方差贡献率、提取两个公共因子后的特征值及方差贡献率、旋转后的两个公共因
子后的特征值及方差贡献率。第一成分的初始特征值为9.121，远远大于1；第二成分的
初始特征值为1.382，大于1；从第三成分开始，其初始特征值均小于1，故因此选择两
个公共因子便可以得到95.478%的累计贡献率，即表示两个公共因子可以解释约95%的总
方差,结果理想。
公因子方差
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
初始
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
提取
.843
.969
.922
.894
.956
.985
.993
.997
.989
.997
.958
提取方法：主成份分析。
从上表的结果可知，这11个变量的共性方差均大于0.5，且大部分都接近或者超过
0.9，故表示提取的两个公因子能够很好地反映原始变量的主要信息。
上图的信息表达的内容和公因子方差表的内容一致，碎石图中明显发现第一个公因
子和第二个公因子变化最大，其累计贡献率达到了95.48%。这就说明从11个变量提取
的两个公因子可以表达足够的原始信息。
成份矩阵
a
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
成份
1
.895
-.749
.791
.779
.946
.923
.997
.997
.993
.929
.973
2
-.205
.638
-.545
.535
-.247
.366
-.001
.064
.062
.367
.109
提取方法 :主成份。
a. 已提取了 2 个成份。
上表表示用主成分的提取方法得到旋转前的的因子负荷矩阵，根据0.5的原则，因
子1在11个变量都有很大的负荷，因此可以认为因子1反应的是总体城市化的综合情况。
因子2在第二产业总产值占GDP比重X2、第三产业总产值占GDP比重X3、地方财政收入X4
变量上有较大的负荷，因此可以说明因子2反映的是产业结构经济发展因子。
旋转成份矩阵
a
2024年3月26日发(作者：及泰鸿)
解释的总方差
初始特征值
成份
1
2
3
4
5
6
7
8
9
10
11
合计
9.121
1.382
.356
.141
方差的 %
82.916
12.563
3.240
累积 %
82.916
95.478
98.718
提取平方和载入
合计
9.121
1.382
方差的 % 累积 %
82.916
12.563
82.916
95.478
旋转平方和载入
合计
9.061
1.441
方差的 % 累积 %
82.376
13.102
82.376
95.478
1.282 100.000
8.666E-16 7.879E-15 100.000
3.199E-16 2.908E-15 100.000
-1.171E-17 -1.064E-16 100.000
-2.468E-17 -2.244E-16 100.000
-2.664E-16 -2.421E-15 100.000
-3.410E-16 -3.100E-15 100.000
-7.122E-16 -6.475E-15 100.000
提取方法：主成份分析。
运用SPSS19.0对原始变量进行因子分析，得到上表。表中内容包含11个变量初始特
征值及方差贡献率、提取两个公共因子后的特征值及方差贡献率、旋转后的两个公共因
子后的特征值及方差贡献率。第一成分的初始特征值为9.121，远远大于1；第二成分的
初始特征值为1.382，大于1；从第三成分开始，其初始特征值均小于1，故因此选择两
个公共因子便可以得到95.478%的累计贡献率，即表示两个公共因子可以解释约95%的总
方差,结果理想。
公因子方差
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
初始
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
提取
.843
.969
.922
.894
.956
.985
.993
.997
.989
.997
.958
提取方法：主成份分析。
从上表的结果可知，这11个变量的共性方差均大于0.5，且大部分都接近或者超过
0.9，故表示提取的两个公因子能够很好地反映原始变量的主要信息。
上图的信息表达的内容和公因子方差表的内容一致，碎石图中明显发现第一个公因
子和第二个公因子变化最大，其累计贡献率达到了95.48%。这就说明从11个变量提取
的两个公因子可以表达足够的原始信息。
成份矩阵
a
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
成份
1
.895
-.749
.791
.779
.946
.923
.997
.997
.993
.929
.973
2
-.205
.638
-.545
.535
-.247
.366
-.001
.064
.062
.367
.109
提取方法 :主成份。
a. 已提取了 2 个成份。
上表表示用主成分的提取方法得到旋转前的的因子负荷矩阵，根据0.5的原则，因
子1在11个变量都有很大的负荷，因此可以认为因子1反应的是总体城市化的综合情况。
因子2在第二产业总产值占GDP比重X2、第三产业总产值占GDP比重X3、地方财政收入X4
变量上有较大的负荷，因此可以说明因子2反映的是产业结构经济发展因子。
旋转成份矩阵
a