spss主成分分析報告

1、實驗目的：原始數(shù)據(jù)中每一所高校具有 20 個相關性很高的變量， 利用主成分分析法用較少的變量去解釋原來資料中的大部分變異，將手中的眾多變量轉(zhuǎn)化成彼此相互獨立或不相關的個數(shù)較少的變量，即所謂主成分，并用以解釋資料的綜合性指標，其實質(zhì)的目的是降維原始數(shù)據(jù)截屏：操作方法：1. 描述性統(tǒng)計SPSS在調(diào)用因子分析過程進行分析時， SPSS會自動對原始數(shù)據(jù)進行標準化處理，所以在得到計算結果后指的變量都是指經(jīng)過標準化處理后的變量，但 SPSS不會直接給出標準化后的數(shù)據(jù)， 然后后期的計算需得到標準化數(shù)據(jù)，則需調(diào)用“描述” 過程進行計算 , 為了看到標準化數(shù)據(jù)，所以采用描述性統(tǒng)計下的描述操作獲得標準化后的變量數(shù)

2、據(jù)標準化數(shù)據(jù)：因子分析操作過程：選取變量：X1：科研經(jīng)費得分X2：國家人文社科重點研究基地得分X3: 院士總數(shù)得分X4: 生均圖書得分X5: 研究中心數(shù)得分X6: 國家重點實驗室得分X7: 生均教學科研儀器設備得分X8: 生均教育事業(yè)經(jīng)費得分X9: 精品課程得分X10: 優(yōu)秀博士生論文總分X11: 人才得分X12: 二級學科建設得分X13: 生均固定資產(chǎn)得分X14: 科研論文得分X15: 博導及相關合計得分X16: 教師中博士學位比重得分X17: 一級學科得分X18: 高級職稱比重得分X19: 師資總分X20:SCI 數(shù)量這里分析采用相關系數(shù)矩陣，輸出選擇為未旋轉(zhuǎn)的因子解，并選擇碎石圖，抽取過

3、程選擇基于特征值（特征值大于1），最大收斂迭代次數(shù)： 25，點擊確定。原數(shù)據(jù)中有較多的缺失值，選擇按列表排除個案，點擊繼續(xù)。分析結果：KMO越接近 1，說明變量之間的相關性越強，原有變量適合做因子分析；Bartlett的球度檢驗值越小于顯著性水平0.05 ，越說明變量間存在相關關系。本數(shù)據(jù)中 KMO值為 0.736 ，sig. 值為 0，符合因子分析條件， 可進行因子分析，并進一步進行主成分分析累計貢獻率 79.119%<80%，由反映象相關矩陣中我們可以看出（如下圖所示）反映象相關矩陣中對角線上的數(shù)值應>0.5, 根據(jù)次標準，數(shù)據(jù)顯示生均圖書得分變量不適合做因子分析，所以刪去，重

4、新做因子分析。去除生均圖書得分變量之后的因子分析結果：累計百分比為 81.466%>80%,且特征值均大于1結論：初始特征根： 1=6.901，, 2=4.846 ， 3=3.732主成分貢獻率： r1=36.32%,r2=25.506%,r3=19.640%碎石圖旋轉(zhuǎn)之后的主成分載荷矩陣，可以看出：SCI 數(shù)量，國家重點實驗室得分，研究中心數(shù)得分，研究中心數(shù)得分，科研經(jīng)費得分，二級學科建設得分，科研論文得分，優(yōu)秀博士生論文得分，一級學科得分，精品課程得分與主成分1 密切相關，可將其總結歸納為軟實力與資源指標；師資總分，博導及相關合計得分，人才得分，院士總數(shù)得分，高級職稱比重得分，教師中

5、博士學位比重得分與主成分2 密切相關，可將其歸納總結為師資結構指標；生均教學科研儀器設備得分，生均教育事業(yè)經(jīng)費得分，生均固定資產(chǎn)得分與主成分3 密切相關，可將其歸納為學生平均資產(chǎn)指標。根據(jù)主成分 1 得分降序排列：由主成分1 可以看出，清華大學，浙江大學，北京大學，華中科技大學，西安交通大學，武漢大學，上海交通大學，中南大學，四川大學，東南大學在論文發(fā)表以及國家級實驗室得分方面位列前十名，其軟實力雄厚；根據(jù)主成分 2 得分降序排名：可以看出北京大學，中國人民大學，復旦大學等在師資結構方面排名靠前，說明其在師資力量上占據(jù)很大競爭力根據(jù)主成分 3 得分降序排名：可以看出清華大學，上海交通大學等前十名大學在學校生均資產(chǎn)方面具有競爭力2> 計算主成分綜合得分Z=r1*FAC1+r2*FAC2+r3*FAC3主成分貢獻率： r1=36.32%,r2=25.506%,r3=19.640%由綜合得分可以看出：清華大學，北京大學，浙江