7.Option按钮:设置缺失值的处理方式（本例中无缺失值）和系数显示格式

8.步骤四：表格分析

实验结果分析：

这是原有变量的相关系数表，可以看到大部分相关系数比较高，呈显著线性关系，能够从中提取因素分析，进行因素分析。

相关系数矩阵表（correlation matrix）:表中行的第一部分为相关系数矩阵，第二部分为原假设为相关系数为零的单侧显著性检验概率矩阵

由上表可知，巴特利球度检验统计量的观测值为326.285，相应的概率P接近0。如果显著性水平a为0.05，由于概率P小于显著性水平a,应拒绝零假设，认为相关系数矩阵与单位阵由显著差异。同时，KMO值为0.321，根据KMO度量标准可知原有变量适合进行因子分析。

这是因子分析的初始解，显示了所有变量的共同度数据。第一列是因子分析的初始解的变量共同度，它表明，对原有7个变量若采用主成分分析方法提取所有特征根，那么原有变量的所有方法就可以被解释，变量的共同度均为1.事实上，因子个数小子原有变量的个数才是因子分析的目标，所以不可以提取全部特征根。第二列是提取特征根后的共同度。

上表表示因子分析后因子提取和旋转的结果。该表中，第一列是因子分析的7个初始解序号，第二列是因子变量的方差贡献，是衡量因子重要程度的指标，第三列是各个因子变量的方差贡献率，第四列是因子变量的累计方差贡献率，第5-7列则是从初始解中按一定的标准提取7个公共因子后对原变量总体的描描述情况，第8-10列是旋转以后得到的因子对原变量总体的刻画情况。

第一组数据项（第二至第四列）描述了初始因子解的情况。可以看到，第一个因子的特征根值为3.395，解释原有7个变量总方差的48.5%（3.395/7*100%）,累积方差贡献率为48.503；第二个因子的特征根值为2.806，解释原有7个变量总方差的40.08%（2.806/7*100%）,累积方差贡献率为88.593；第三个因子的特征根值为0.436，解释原有7个变量总方差的6.23%（0.436/7*100）,累积方差贡

献率为94.828；其余数据含义类似。

第二列数据项（第五列至第七列）描述了因子解的情况。可以看到，由于指定提取两个因子，两个因子共解释了原有变量总方差的88.593%。总体上，原有变量的信息丢失较少，因子分析效果较理想。

第三组数据项（第八列至第十列）描述了最终因子解的情况。可见，因子旋转后，累计方差比没有改变，也就是没有影响原有变量的共同度，但却重新分配了各个因子解释原有变量的方差，改变了各因子的方差贡献，使得因子更易于解释。

上图横坐标为因子数目，纵坐标为特征根。可以看到：第一个因子的特征根值很高，对解释原有变量的贡献最大；第3个以后的因子特征根值都较小，对解释原有变量的贡献很小，因此提取两个因子是合适的。