主成分分析操作技巧步驟

,.主成分分析操作步驟1）先在spss中錄入原始數(shù)據(jù)。2）菜單欄上執(zhí)行【分析】——【降維】——【因子分析】，打開(kāi)因素分析對(duì)話謝謝閱讀框，將要分析的變量都放入【變量】窗口中。,.3）設(shè)計(jì)分析的統(tǒng)計(jì)量點(diǎn)擊【描述】：選中“Statistics”中的“原始分析結(jié)果”和“相關(guān)性矩陣”中感謝閱讀的“系數(shù)”。（選中原始分析結(jié)果，SPSS自動(dòng)把原始數(shù)據(jù)標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化，但不感謝閱讀顯示出來(lái)；選中系數(shù)，會(huì)顯示相關(guān)系數(shù)矩陣）然后點(diǎn)擊“繼續(xù)”。精品文檔放心下載點(diǎn)擊【抽取】：“方法”里選取“主成分”；“分析”、“輸出”、“抽取”均選中各自的謝謝閱讀第一個(gè)選項(xiàng)即可。,.點(diǎn)擊【旋轉(zhuǎn)】：選取第一個(gè)選項(xiàng)“無(wú)”。（當(dāng)因子分析的抽取方法選擇主成分法時(shí)，且不進(jìn)感謝閱讀行因子旋轉(zhuǎn)，則其結(jié)果即為主成分分析）點(diǎn)擊【得分】：選中“保存為變量”，方法中選“回歸”；再選中“顯示因子得分系數(shù)矩陣”。謝謝閱讀,.點(diǎn)擊【選項(xiàng)】：選擇“按列表排除個(gè)案”。4）結(jié)果解讀5）A.相關(guān)系數(shù)矩陣：是6個(gè)變量?jī)蓛芍g的相關(guān)系數(shù)大小的方陣。通過(guò)相關(guān)感謝閱讀系數(shù)可以看到各個(gè)變量之間的相關(guān)，進(jìn)而了解各個(gè)變量之間的關(guān)系。感謝閱讀相關(guān)性矩陣食品衣著燃料住房交通和通訊娛樂(lè)教育文化相關(guān)食品1.000.692.319.760.738.556衣著.6921.000-.081.663.902.389燃料.319-.0811.000-.089-.061.267住房.760.663-.0891.000.831.387交通和通訊.738.902-.061.8311.000.326娛樂(lè)教育文化.556.389.267.387.3261.000,.B.共同度：給出了這次主成分分析從原始變量中提取的信息，可以看出交通和精品文檔放心下載通訊最多，而娛樂(lè)教育文化損失率最大。Communalities起始擷取食品1.000.878衣著1.000.825燃料1.000.841住房1.000.810交通和通訊1.000.919娛樂(lè)教育文化1.000.584擷取方法：主體元件分析?？偡讲畹慕忉專合到y(tǒng)默認(rèn)方差大于1的為主成分。如果小于1，說(shuō)明這個(gè)主因素的影響力度還不如一個(gè)基本的變量。所以只取前兩個(gè)，且第一主成分的方差為3.568，第二主成分的方差為1.288，前兩個(gè)主成分累加占到總方差的精品文檔放心下載80.939%。說(shuō)明的變異數(shù)總計(jì)起始特徵值擷取平方和載入元件總計(jì)變異的%累加%總計(jì)變異的%累加%13.56859.47459.4743.56859.47459.47421.28821.46680.9391.28821.46680.9393.60010.00190.9414.3585.97596.9165.1422.37299.2886.043.712100.000擷取方法：主體元件分析。,.D.主成分載荷矩陣：元件矩陣a元件12食品.902.255衣著.880-.224燃料.093.912住房.878-.195交通和通訊.925-.252娛樂(lè)教育文化.588.488擷取方法：主體元件分析。a.擷取2個(gè)元件。特別注意：該主成分載荷矩陣并不是主成分的特征向量，即不是主成分1和主成分2的系感謝閱讀數(shù)。主成分系數(shù)的求法：各自主成分載荷向量除以各自主成分特征值得算數(shù)平方謝謝閱讀根。則第1主成分的各個(gè)系數(shù)是向量（0.925，0.902，0.880，0.878，0.588，謝謝閱讀0.093）除以 3.568后才得到的，即（0.490，0.478，0.466，0.465，0.311，謝謝閱讀0.049）才是主成分1的特征向量，滿足條件是系數(shù)的平方和等于1，分別乘以謝謝閱讀個(gè)原始變量標(biāo)準(zhǔn)化之后的變量即為第1主成分的函數(shù)表達(dá)式（作業(yè)中不用寫(xiě)公式）：精品文檔放心下載Y1=0.490*Z交+0.478*Z食+0.466*Z衣+0.465*Z住+0.311*Z娛+0.049*Z感謝閱讀燃同理可求出第2主成分的函數(shù)表達(dá)式。E.主成分得分系數(shù)矩陣元件評(píng)分係數(shù)矩陣元件1 2食品.253.198,.衣著.247-.174燃料.026.708住房.246-.152交通和通訊.259-.196娛樂(lè)教育文化.165.379擷取方法：主體元件分析。元件評(píng)分。該矩陣是主成分載荷矩陣除以各自的方差得來(lái)的，實(shí)際上是因子分析中各個(gè)因子謝謝閱讀的系數(shù)，在主成分分析中可以不考慮它。元件評(píng)分共變異數(shù)矩陣元件1211.000.0002.0001.000擷取方法：主體元件分析。元件評(píng)分。6）因子得分在之前的“得分”對(duì)話框中，由于選中了“保存為變量”，方法中的“回歸”；又選感謝閱讀中了“顯示因子得分系數(shù)矩陣”，因此SPSS的輸出結(jié)果和原始數(shù)據(jù)一起顯示在數(shù)據(jù)窗口里：精品文檔放心下載,.7）主成分得分特別提醒：后兩列的數(shù)據(jù)是北京等16個(gè)地區(qū)的因子1和因子2的得分，不是主成分1和主成分2的得分。主成分的得分是相應(yīng)的因子得分乘以相應(yīng)的方差的算數(shù)平方根。即：主成分1得分=因子1得分乘以3.568的算數(shù)平方根精品文檔放心下載主成分2得分=因子2得分乘以1.288的算數(shù)平方根得出各地區(qū)主成分1和主成分2的得分如下表：謝謝閱讀,.后兩列就是16個(gè)地區(qū)主成分1和主成分2的得分。（有興趣的同學(xué)可以驗(yàn)證一下：上面推感謝閱讀導(dǎo)出來(lái)的主成分的函數(shù)關(guān)系式計(jì)算出來(lái)的主成分得分是否與該數(shù)據(jù)欄的的得分一致）感謝閱讀8）綜合得分及排序：每個(gè)地區(qū)的綜合得分是按照下列公式計(jì)算的：Y=0.73476*主成分1得分+0.26524*主成分2得分感謝閱讀按照此公式計(jì)算出各地區(qū)的綜合得分Y為：,.按照綜合得分Y的大小進(jìn)行16個(gè)地區(qū)的排序：點(diǎn)擊【數(shù)據(jù)】——【排序個(gè)案】,.特別提醒：1.若主成分分析中有n個(gè)變量，則特征值（或方差）之和就等于n；精品文檔放心下載2.特征向量（或主成分的系數(shù)）中各個(gè)數(shù)值的平方和等于1，否則就不是特征向量，也不是感謝閱讀主成分系數(shù)；3.主成分載荷向量各系數(shù)的平方和等于其對(duì)應(yīng)的主成分的方差；謝謝閱讀本例中0.9252+0.9022+0.8802+0.8782+0.5882+0.0932=3.568感謝閱讀4.SPSS沒(méi)有專門(mén)的主成分分析模塊，是在因子分析模塊進(jìn)行的