SPSS進行主成分分析步驟(圖文)

1、.主成分分析的操作過程原始數(shù)據(jù)如下（部分）調(diào)用因子分析模塊 （AnalyzeDimension ReductionFactor），將需要參與分析的各個原始變量放入變量框，如下圖所示：.單擊 Descriptives 按鈕，打開 Descriptives 次對話框，勾選 KMO and Bartlettstest of sphericity 選項（ Initial solution 選項為系統(tǒng)默認勾選的，保持默認即可） ，如下圖所示，然后點擊Continue 按鈕，回到主對話框：其他的次對話框都保持不變（此時在 Extract 次對話框中， SPSS已經(jīng)默認將提取公因子的方法設(shè)置為主成分分析法）

2、 ，在主對話框中點 OK 按鈕，執(zhí)行因子分析，得到的主要結(jié)果如下面幾張表。 KMO和 Bartlett球形檢驗結(jié)果：.KMO 為 0.6350.6，說明數(shù)據(jù)適合做因子分析； Bartlett 球形檢驗的顯著性 P 值為0.0000.05，亦說明數(shù)據(jù)適合做因子分析。公因子方差表，其展示了變量的共同度，Extraction 下面各個共同度的值都大于 0.5，說明提取的主成分對于原始變量的解釋程度比較高。本表在主成分分析中用處不大，此處列出來僅供參考?？偡讲罘纸獗砣缦卤?。由下表可以看出，提取了特征值大于 1 的兩個主成分，兩個主成分的方差貢獻率分別是 55.449%和 29.771%，累積方差貢獻率

3、是 85.220%；兩個特征值分別是 3.327 和 1.786 。因子截荷矩陣如下：.根據(jù)數(shù)理統(tǒng)計的相關(guān)知識，主成分分析的變換矩陣亦即主成分載荷矩陣U 與因子載荷矩陣A以及特征值的數(shù)學(xué)關(guān)系如下面這個公式：UiAii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，將因子載荷矩陣中的各個載荷值復(fù)制進去，如下圖所示：計算變量（ Transform-Compute Variables）的公式分別如下二張圖所示：.計算變量得到的兩個特征向量 U1 和 U2 如下圖所示（ U1 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 的表達式如下：Y10

4、.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 Y1、 Y2 的值。需要注意的是，在計算變量之前，需要對原始變量進行標(biāo)準化處理， 上述 Y1、Y2表達式中的 X1X9.應(yīng)為各原始變量的標(biāo)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的那個 SPSS數(shù)據(jù)表中。）調(diào)用描述統(tǒng)計：描述模塊（ AnalyzeDescriptive StatisticsDescriptiv

5、es），將各個原始變量放入變量框，并勾選 Save standardized values as variables框，如下圖所示：得到各個原始變量的標(biāo)準分如下圖（部分）：.Z 人均 GDP即為 X1，Z 固定資產(chǎn)投資即為X2，其余類推。調(diào)用計算變量模塊（ TransformCompute Variables），輸入公式如下圖所示：計算出來的主成分Y1、 Y2如下圖所示：.由上述各步驟，我們就求得了主成分Y1 和 Y2。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的計算。根據(jù)公式，綜合評價得分 Yw1*Y1+w2*Y2，w1、w2 的值就是等于旋轉(zhuǎn)之前的方差貢獻率（如下圖所示），本例中，兩個權(quán)重 w1、w2 分別是 0.55449 和 0.29771，故 Y0.55449*Y1+0.29771*Y2。注意：如果需要對權(quán)重進行歸一化處理， 則 w1、w2 分別是 55.449/85.220 和 29.771/85.220，則 Y（55.449*Y1