SPSS進(jìn)行主成分分析報告地步驟(圖文)

實用標(biāo)準(zhǔn)文檔原始數(shù)據(jù)如下（部分）調(diào)用因子分析模塊（AnalyzeDimensionReduction―Factor需要參與分析の各個原始變量放入變量框，如下圖所示：文案大全實用標(biāo)準(zhǔn)文檔單擊Descriptives按鈕Descriptives次對話框KMOandBartlett’stestofsphericity選項（Initialsolution選項為系統(tǒng)默認(rèn)勾選の，保持默認(rèn)即可如下圖所示，然後點擊Continue鈕，回到主對話框：其他の次對話框都保持不變（此時在Extract對話框中，SPSS已經(jīng)默認(rèn)將提取公因子の方法設(shè)置為主成分分析法話框中點按鈕行因子分析，得到の主要結(jié)果如下面幾張表。①KMO和Bartlett球形檢驗結(jié)果：文案大全實用標(biāo)準(zhǔn)文檔KMO為0.635>0.6，說明數(shù)據(jù)適合做因子分析Bartlett球形檢驗の顯著性P值為0.000<0.05，亦說明數(shù)據(jù)適合做因子分析。②公因子方差表，其展示了變量の共同度Extraction下面各個共同度の值都大於0.5，說明提取の主成分對於原始變量の解釋程度比較高。本表在主成分分析中用處不大，此處列出來僅供參考。③總方差分解表如下表。由下表可以看出，提取了特征值大於の兩個主成分，兩個主成分の方差貢獻(xiàn)率分別55.449%和方差貢獻(xiàn)率是85.220%；兩個特征值分別是3.327和1.786。④因子截荷矩陣如下：文案大全AA實用標(biāo)準(zhǔn)文檔根據(jù)數(shù)理統(tǒng)計の相關(guān)知識成分析の變換矩陣亦即主成分載荷矩陣U與子荷矩陣A以及特征值λの數(shù)學(xué)關(guān)系如下面這個公式：i

i

i故可以由這二者通過計算變量來求得主成分載荷矩陣U新建一個SPSS數(shù)據(jù)文件，將因子載荷矩陣中の各個載荷值複制進(jìn)去，如下圖所示：計算變量（Transform-ComputeVariables）の公式分別如下二張圖所示：文案大全實用標(biāo)準(zhǔn)文檔計算變量得到の兩個特征向量U1和U2如下圖所（和U2合起來就是主成分載荷矩陣所以可以得到兩個主成分Y1和Y2の表達(dá)式如下：Y1＝0.456X1+0.401X2+0.428X3+0.490X4+0.380X5+0.253X6Y2＝-0.367X1+0.322X2-0.323X3-0.303X4+0.453X5+0.602X6由上面兩個表達(dá)式，可以通過計算變量來得到、Y2の值。需要注意の是，在計算變量之前需要對原始變量進(jìn)行標(biāo)準(zhǔn)化處理上述Y1表達(dá)式中の文案大全實用標(biāo)準(zhǔn)文檔應(yīng)為各原始變量の標(biāo)準(zhǔn)分，而不是原始值（另外需注意，本操作需要在SPSS原始文件中來進(jìn)行，而不是主成分載荷矩陣の那個數(shù)據(jù)表中調(diào)用描述統(tǒng)計述模Analyze－DescriptiveStatisticsDescriptives將各個原始變量放入變量框，並勾選Savestandardizedvaluesasvariables框，如下圖所示：得到各個原始變量の標(biāo)準(zhǔn)分如下圖（部分文案大全實用標(biāo)準(zhǔn)文檔Z人均GDP即為X1，Z固定資產(chǎn)投資即為X2其餘類推。調(diào)用計算變量模塊（Transform－ComputeVariables入公式如下圖所示：計算出來の主成分Y1、Y2如下圖所示：文案大全實用標(biāo)準(zhǔn)文檔由上述各步驟，我們就求得了主成分Y1和。通過主成分得分，可以進(jìn)行聚類分析或者綜合評價。聚類分析不再詳述，下面再補(bǔ)充介紹一下綜合評價の計算。根據(jù)公式，綜合評價得分Y＝w1*Y1+w2*Y2，、w2の值就是等於旋轉(zhuǎn)之前の方差貢獻(xiàn)（如下圖所示中個權(quán)重w2分別是0.55449和0.29771，故Y＝0.55449*Y1+0.29771*Y2意果需要對權(quán)重進(jìn)行歸一化處理w1、w2分別是55.449/85.220和29.771/85.220則Y＝（55.449*Y1+29.771*Y2）/85.220。文案大