SPSS進行主成分分析報告地步驟(圖文)

實用標準文檔原始數(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：文案大全實用標準文檔單擊Descriptives按鈕Descriptives次對話框KMOandBartlett’stestofsphericity選項（Initialsolution選項為系統(tǒng)默認勾選の，保持默認即可如下圖所示，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)默認將提取公因子の方法設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：文案大全實用標準文檔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率分別55.449%和方差貢獻率是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實用標準文檔根據(jù)數(shù)理統(tǒng)計の相關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)學關系如下面這個公式：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：文案大全實用標準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行標準化處理上述Y1表達式中の文案大全實用標準文檔應為各原始變量の標準分，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準分如下圖（部分文案大全實用標準文檔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：文案大全實用標準文檔由上述各步驟，我們就求得了主成分Y1和。通過主成分得分，可以進行聚類分析或者綜合評價。聚類分析不再詳述，下面再補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（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