人均实际利用外资额（万美元/人） 人均城乡居民储蓄存款 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 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 Initial Component 1 2 3 4 5 6 7 8 9 10 11 12 13 Eigenvalues 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 Sums of Squared Loadings 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），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 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 .177 -.116 .046 -.042 .036 .044 .191 -.005 -.005 -.032 -.006 .006 7 -.096 .109 .158 -.079 -.066 -.024 .200 -.330 8 .017 -.022 .034 -.039 -.252 .094 -.081 .115 Component 9 -.117 -.134 .061 -.044 .066 .001 .015 .080 10 .004 -.073 .106 -.049 -.017 .015 .073 .021 11 -.062 -.016 -.046 .036 -.035 -.087 .061 .023 .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 Component 12 -.040 .089 -.004 -.066 -.019 -.004 .008 .046 13 .021 -.015 -.042 -.019 -.006 .018 .040 .003 -.044 -.003 .002 .011 -.001 -.011 .016 .002 农民人均纯收入 人均全社会固定资产投资额 .028 .017 .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(%) 7 .105 .030 8 -.121 .069 Component 9 -.004 -4.382E-5 10 .089 -.131 11 -.060 .033
