主成分分析在SPSS中的操作應(yīng)用詳細(xì)步驟

1、精選優(yōu)質(zhì)文檔-傾情為你奉上主成分分析在SPSS中的操作應(yīng)用(2)SPSS在調(diào)用Factor Analyze過(guò)程進(jìn)行分析時(shí)，SPSS會(huì)自動(dòng)對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，所以在得到計(jì)算結(jié)果后指的變量都是指經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的變量，但SPSS不會(huì)直接給出標(biāo)準(zhǔn)化后的數(shù)據(jù)，如需要得到標(biāo)準(zhǔn)化數(shù)據(jù)，則需調(diào)用Descriptives過(guò)程進(jìn)行計(jì)算。圖表 3 相關(guān)系數(shù)矩陣圖表 4 方差分解主成分提取分析表主成分分析在SPSS中的操作應(yīng)用(3)圖表 5 初始因子載荷矩陣從圖表3可知GDP與工業(yè)增加值，第三產(chǎn)業(yè)增加值、固定資產(chǎn)投資、基本建設(shè)投資、社會(huì)消費(fèi)品零售總額、地方財(cái)政收入這幾個(gè)指標(biāo)存在著極其顯著的關(guān)系，與海關(guān)出口總額

2、存在著顯著關(guān)系?？梢?jiàn)許多變量之間直接的相關(guān)性比較強(qiáng)，證明他們存在信息上的重疊。主成分個(gè)數(shù)提取原則為主成分對(duì)應(yīng)的特征值大于1的前m個(gè)主成分。注：特征值在某種程度上可以被看成是表示主成分影響力度大小的指標(biāo)，如果特征值小于1，說(shuō)明該主成分的解釋力度還不如直接引入一個(gè)原變量的平均解釋力度大，因此一般可以用特征值大于1作為納入標(biāo)準(zhǔn)。通過(guò)圖表4（方差分解主成分提取分析）可知，提取2個(gè)主成分，即m=2，從圖表5（初始因子載荷矩陣）可知GDP、工業(yè)增加值、第三產(chǎn)業(yè)增加值、固定資產(chǎn)投資、基本建設(shè)投資、社會(huì)消費(fèi)品零售總額、海關(guān)出口總額、地方財(cái)政收入在第一主成分上有較高載荷，說(shuō)明第一主成分基本反映了這些指標(biāo)的信息；

3、人均GDP和農(nóng)業(yè)增加值指標(biāo)在第二主成分上有較高載荷，說(shuō)明第二主成分基本反映了人均GDP和農(nóng)業(yè)增加值兩個(gè)指標(biāo)的信息。所以提取兩個(gè)主成分是可以基本反映全部指標(biāo)的信息，所以決定用兩個(gè)新變量來(lái)代替原來(lái)的十個(gè)變量。但這兩個(gè)新變量的表達(dá)還不能從輸出窗口中直接得到，因?yàn)椤癈omponent Matrix”是指初始因子載荷矩陣，每一個(gè)載荷量表示主成分與對(duì)應(yīng)變量的相關(guān)系數(shù)。用圖表5（主成分載荷矩陣）中的數(shù)據(jù)除以主成分相對(duì)應(yīng)的特征值開(kāi)平方根便得到兩個(gè)主成分中每個(gè)指標(biāo)所對(duì)應(yīng)的系數(shù)2。將初始因子載荷矩陣中的兩列數(shù)據(jù)輸入（可用復(fù)制粘貼的方法）到數(shù)據(jù)編輯窗口（為變量B1、B2），然后利用“TransformàC

4、ompute Variable”，在Compute Variable對(duì)話框中輸入“A1=B1/SQR(7.22)” 注：第二主成分SQR后的括號(hào)中填1.235，即可得到特征向量A1(見(jiàn)圖表6)。同理，可得到特征向量A2。將得到的特征向量與標(biāo)準(zhǔn)化后的數(shù)據(jù)相乘，然后就可以得出主成分表達(dá)式注：因本例只是為了說(shuō)明如何在SPSS進(jìn)行主成分分析，故在此不對(duì)提取的主成分進(jìn)行命名，有興趣的讀者可自行命名：F1=0.353ZX1+0.042ZX2-0.041ZX3+0.364ZX4+0.367ZX5+0.366ZX6+0.352ZX7+0.364ZX8+0.298ZX9+0.355ZX10F2=0.175ZX1

5、-0.741ZX2+0.609ZX3-0.004ZX4+0.063ZX5-0.061ZX6-0.022ZX7+0.158ZX8-0.046ZX9-0.115ZX10圖表 6 Compute Variable對(duì)話框前文提到SPSS會(huì)自動(dòng)對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，但不會(huì)直接給出，需要我們自己另外算，我們可以通過(guò)AnalyzeàDescriptive Statisticsà Descriptives對(duì)話框來(lái)實(shí)現(xiàn)：彈出Descriptives對(duì)話框后，把X1X10選入Variables框，在Save standardized values as variables前的方框打上鉤，點(diǎn)擊“OK

6、”，經(jīng)標(biāo)準(zhǔn)化的數(shù)據(jù)會(huì)自動(dòng)填入數(shù)據(jù)窗口中，并以Z開(kāi)頭命名。圖表 7 Descriptives對(duì)話框主成分分析在SPSS中的操作應(yīng)用(4)以每個(gè)主成分所對(duì)應(yīng)的特征值占所提取主成分總的特征值之和的比例作為權(quán)重計(jì)算主成分綜合模型： 即可得到主成分綜合模型：F=0.327ZX1-0.072ZX2+0.054ZX3+0.310ZX4+0.323ZX5+0.304ZX6+0.297ZX7+0.334ZX8+0.248ZX9+0.286ZX10根據(jù)主成分綜合模型即可計(jì)算綜合主成分值，并對(duì)其按綜合主成分值進(jìn)行排序，即可對(duì)各地區(qū)進(jìn)行綜合評(píng)價(jià)比較，結(jié)果見(jiàn)圖表8。圖表 8 綜合主成分值對(duì)得出的綜合主成分(評(píng)價(jià))值，我們可用實(shí)際結(jié)果、經(jīng)驗(yàn)與原始數(shù)據(jù)做聚類分析進(jìn)行檢驗(yàn)，對(duì)有爭(zhēng)議的結(jié)果，可用原始數(shù)據(jù)做判別分析解決爭(zhēng)議，具體評(píng)價(jià)與檢驗(yàn)本文不做論述，如讀者有興趣可自行進(jìn)行檢驗(yàn)論述。四、小結(jié)本文旨在闡述如何利用SPSS軟件進(jìn)