(绝对经典)SPSS中主成分分析的基本操作

(绝对经典)SPSS中主成分分析的基本操作内容摘要：

(绝对经典)SPSS中主成分分析的基本操作 主成分分析的基本操作 同制作 阐述主成分分析法的原理 主成分分析是设法将原来众多具有一定相关性（比如重新组合成一组新的互相无关的综合指标来代替原来的指标。 通常数学上的处理就是将原来为新的综合指标。 最经典的做法就是用取的第一个线性组合，即第一个综合指标）的方差来表达，即1)越大，表示此在所有的线性组合中选取的 称 果第一主成分不足以代表原来 P 个指标的信息，再考虑选取了有效地反映原来信息，2中，用数学语言表达就是要求 1, 0，则称 此类推可以构造出第三、第四，第主成分模型： F1=+2=+ Fp=+中,i=1,m)为1,为在实际应用中，往往存在指标的量纲不同，所以在计算之前先消除量纲的影响，而将原始数据标准化）。 A=( ,1 ,2 , = , R 为相关系数矩阵, 相应的特征值和单位特征向量, 1 2 0 上述方程组要求： 1、+ (i=1,m) 2、 (A=( ,1 ,2 ,，3、i ,= =01操作步骤 ： 一、 数据标准化 1、 2、在弹出对话框中把需标准化的变量 选进 并在下面的提示前打钩 3、然后点“4、数据编辑窗内将出现结果 二、主成分分析基本操作 1、 2、选择后弹出现下面的对话框 3、 把标准化后的数据都选进、点击 5、弹出现下面的对话框 6、在对话框的空白处填0，记得上面的图中要选中前面的点 7、点击 8、返回上个对话框 9、如需要得到相关系数矩阵，点击 10、弹出下面的对话框 在 1、然后点击 2、返回上个对话框，点击“ 595 289 977 078 718 057 213 提取特征向量 1、在计算主成分的步骤中将出现因子载荷矩阵， 我们可以取得每个主成分的方差，即特征根，它的大小表示了对应主成分能够描述原来所有信息的多少（更多情况下是由方差贡献率来反映）。 一般来讲，为了达到降维的目的，我们只提取前几个主成分， 根据累计贡献率大于85%的原则，故选取前三个特征值。 所以决定用三个新变量来代替原来的七个变量。 但这三个新变量的表达还不能从输出窗口中直接得到，因为“指因子载荷矩阵，每一个载荷量表示主成分与对应变量的相关系数。 2、 将前三个因子载荷矩阵输入（可 用复制粘贴的方法 ）到数据编辑窗口（为变量 2、然后利用“ 在对话框中输入“1/ 注：三主成分的括号中填 ，即可得到特征向量 理，可得到 3。 然后就可以得出主成分表达式。 四、主成分排名 将特征向量与标准化后的数据相乘，就可以得到各个主成分得分 2、需求综合评价函数，还需在 2、参考文献 1 张文彤主编级篇）M，北京希望电子出版社，2002年6月。 2 王芳 主成分分析与因子分析的异同比较及应用，统计教育，2003年第5期。 3 于秀林 任雪松，多元统计分析，中国统计出版社，199 9年8月。 477 049 083 086 352 103 330 169 27 371 028 79 851 027 85 569 346 355 179 081 ÃñÉú²ú×ÜÖµ(ÓÃñÏû·Ñˮƽ(̶¨×ʲúͶ×Ê(°¹¤Æ½¾ù¹¤×Ê(õÎïÖÜתÁ¿(ÓÃñÏû·Ñ¼Û¸ñÖ¸Êý(ÌÆ·ÁãÊÛ¼Û¸ñÖ¸Êý(¤Òµ×ܲúÖµ( 2 3 4 5 6 7。