一、原始数据的输入
注意:重点是设置数据的类型(数值？字符串？等等。)和小数点后剩余的位数。
二。选项操作
1.打开SPSS中的“分析”→“降维”→“因子分析”，
打开“因子分析”对话框(如下所示)
2.在右边要分析的变量框中输入六个变量:衣食住行，娱乐教育文化。
3.为分析设置统计数据。
打开右上角的描述对话框，选择统计中的原始分析结果和相关矩阵中的系数。(选择原始分析结果，SPSS自动标准化原始数据的标准差，但不显示；选择系数，将显示相关系数矩阵。)。然后点击“继续”。
打开第二个“提取”对话框:在“方法”中选择“主成分”；选择分析、输出和提取三项中的第一项。然后点击“继续”。
在第三个“旋转”对话框中，选择默认和第一个选项“无”。
在第四个“分数”对话框中，选择“另存为变量”和“回归”；和“显示因子得分系数矩阵”。
默认情况下，可以使用第五个“选项”对话框。
单击“确定”执行主成分分析。
三。分析结果的解释
按照SPSS输出结果的顺序逐一介绍。
1.相关系数矩阵:是六个变量之间相关系数的方阵。
2.普通程度:
给出本次主成分分析中从原始变量中提取的信息，可以看出交通和通信是最多的
3.总差异的解释:
默认选择方差大于1的主成分，所以只选择前两个主成分，前两个主成分占总方差的80.939%。第一主成分的方差为3.568，第二主成分的方差为1.288。
4.主分量载荷矩阵:
应特别注意:
这个主成分载荷矩阵不是主成分的特征向量，也就是说，它不是主成分1和主成分2的系数。主成分系数的计算方法是:各独立分量的负荷向量除以各独立分量特征值的算术平方根。然后通过将向量(0.925，0.902，0.880，0.878，0.588，0.093)除以0.568来获得第一主成分的系数，即(0.490，0.478，0.466，0.465，0.311，0.049)(
Y1？0.490*Z？0.478*Z食？0.466*Z的衣服？0.465*Z live？0.311*Z娱乐？0.049*Z燃烧
类似地，可以获得第二主成分的函数表达式。(学生自行解决！)
5.主成分得分系数矩阵
这个矩阵是主成分载荷矩阵除以各自的方差得到的，实际上是因子分析中各个因子的系数，所以在主成分分析中可以忽略。
6.因子得分
第二步，在第四个“分数”对话框中，我们选择“另存为变量”和“回归”；和“显示因子得分系数矩阵”。SPSS的输出结果与原始数据一起显示在数据窗口中:
特别提醒:
后两栏的数据是北京等16个地区的因子1和因子2的得分，而不是主成分1和主成分2的得分。主成分的得分是相应的因子得分乘以相应方差的算术平方根。即:主成分1得分=因子1得分乘以算术平方根3.568。
主成分2得分=因子2得分乘以算术平方根1.288
四。主成分得分:
将因子1和因子2的值乘以各自方差的算术平方根，得到每个区域的主成分1和主成分2的得分。
最后两列是这16个区域的主成分1和主成分2的得分。
(有兴趣的同学可以验证一下:步骤3.4推导出的主成分函数关系计算出的主成分得分和这个数据列的得分是否一致？)
5.综合得分及排名:
各地区综合得分按以下公式计算:
3.5681.288Y？*主成分1得分？*主成分2得分，简化为3.568？1.2883.568?1.288
y？0.7348*主成分1得分？0.2652*主成分2得分。
根据这个公式，每个地区的综合得分y为:
根据综合得分Y，对16个地区进行排序，结果如下:9
特别提醒:
1.如果主成分分析中有n个变量，特征值(或方差)之和等于n。
2.特征向量(或主成分系数)中每个值的平方和等于1，否则不是特征。
向量，也不是主成分系数。
3.步骤3.4中的主成分载荷向量的系数的平方和等于其相应主成分的方差。
在这个例子中:0.9252？0.9022?0.8802?0.8782?0.5882?0.0932?3.568
4.SPSS没有专门的主成分分析模块，但是在因子分析模块中进行。它只输出主要成分。
负荷矩阵和因子分数值是分开的，而我们最想要的系数(特征向量)和主成分得分需要分开计算。
5.如果计算没有错误，因子1，因子2，主成分1，主成分2和综合得分Y，它
它们各自值的总和等于0。
6.主成分分析要计算综合得分，并进行排序。10.
特朗普确认美国正在升级核武器！详细现场视频在“中国网事”Tik Tok (787874450)有
本文来自一九九几的她投稿，不代表舒华文档立场，如若转载，请注明出处：https://www.chinashuhua.cn/24/593981.html
微信扫一扫 
