SPSS进行主成分分析的步骤精编版

《SPSS进行主成分分析的步骤精编版》由会员分享，可在线阅读，更多相关《SPSS进行主成分分析的步骤精编版（10页珍藏版）》请在装配图网上搜索。

1、主成分分析的操作过程原始数据如下(部分)地区人均GDF固走出円殳憎社盘消強品零售蕙颔农村人:!学也收入科研机构数址卫生机构数量北京1026530.S162363223664S5531S2102666922天津916449.134EG920621河北337677.7639211&6847L1廿2B1933973305120E261、講口3013545128631208194.915辽宁61031240237061756&1671933917S3752BE1203987216693去Fa370320.6531741609閥黑齐;二44274S.513375176639上海15204128.9371

2、91+2454S江苏5785101.09463467旷工14941.8862216637252166.743796130236福逹638618.3646062048304537江西2375252B337615373154231046376G197449137884B6671il.东4473102.5442S4-171548河南247571.363299123150334137.7542091511&270143.014699142547广东380E1.827438268942厂i277232.524丁911J4627海同48024770151951653四川251680374002115864

3、1888&亠.jr厂rcrrj*1a.ncent调用因子分析模块(AnalyzeDimensionReductionFactor),将需要参与分析的各个原始变量放入变量框，如下图所示：单击Descriptives按钮，打开Descriptives次对话框，勾选KMOandBartlettstestofsphericity选项（Initialsolution选项为系统默认勾选的，保持默认即可），如下图所示，然后点击Continue按钮，回到主对话框：其他的次对话框都保持不变（此时在Extract次对话框中，SPSS已经默认将提取公因子的方法设置为主成分分析法），在主对话框中点OK按钮，执行因子分

4、析，得到的主要结果如下面几张表。KM0和Bartlett球形检验结果：KMOandBartlett1?TestKaiser-Meyer-OlkinMeasureofSamplingAdequacy.635|EaillettsTestafSphericityApprox.Chi-SquaredfSig.148.79815|.000|KMO为0.6350.6,说明数据适合做因子分析；Bartlett球形检验的显著性P值为0.0000.05，亦说明数据适合做因子分析。 公因子方差表，其展示了变量的共同度，Extraction下面各个共同度的值都大于0.5,说明提取的主成分对于原始变量的解释程度比较高

5、。本表在主成分分析中用处不大，此处列出来仅供参考。CommunalitiesInitialExtractionAlGDP1.000.9301.000.7211.000735农忖人均纯收人1.000.9611.000.8471.000.859ExtractionMethod:PrincipalComponentAnalysis总方差分解表如下表。由下表可以看出，提取了特征值大于1的两个主成分，两个主成分的方差贡献率分别是55.449%和29.771%，累积方差贡献率是85.220%两个特征值分别是3.327和1.786。TotalVarianceExplainedCon】卩口riEntIniti

6、alEigenvaluesExtractionSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%1332755.44955.4493.32755.44955.44921.78629.77185.2201.78629.77185.220|3.4978.20593.5054.2624.36297.0675.0001.47399.3406.040.660100.000 ExtractionMethod:PrincipalComponentAnalysis因子截荷矩阵如下：ConiponeiitMatr

7、ixCorriporierit12AiiGDP.831-.490丙定備产按倚.732.430社会消笊詁零幷总颔.781-.431农村人均死收.893-.405斡硏机构数嚴.694.605卩尤机构数虽.461.804EdractionMethod:PrincipalComponentAnalysis.a2componentsextracted.根据数理统计的相关知识，主成分分析的变换矩阵亦即主成分载荷矩阵U与因子载荷矩阵A故可以由这二者通过计算变量来求得主成分载荷矩阵U。新建一个SPSS数据文件，将因子载荷矩阵中的各个载荷值复制进去，如下图所示：计算变量(Transform-ComputeVar

8、iables)的公式分别如下二张图所示:45ComputeVariableTargetVariable:Nurngjlc：Expiession:-A1；SaRT(3.27)Type&Label.U2U19斗56甜ComputeVariableT口rnat也1附1旦NumericExpression:Type&LabeI.A2ySQRT(1.786计算变量得到的两个特征向量U1和U2如下图所示（U1和U2合起来就是主成分载荷矩阵）：A1A2U1U2.831-49046E-367.732.4-30.401322.781-.4-31.428-323.893-405.490-.303.694.605J

9、80.453.461.804.253.602所以可以得到两个主成分Y1和Y2的表达式如下：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由上面两个表达式，可以通过计算变量来得到Y1、Y2的值。需要注意的是，在计算变量之前，需要对原始变量进行标准化处理，上述Y1、Y2表达式中的X1X9应为各原始变量的标准分，而不是原始值。（另外需注意，本操作需要在SPSS原始文件中来进行，而不是主成分载荷矩阵的那个SPSS数据表中。调用描述统计：描述模块（A

10、nalyzeDescriptiveStatisticsDescriptives），将各个原始变量放入变量框，并勾选Savestandardizedvaluesasvariables框，如下图所示：得到各个原始变量的标准分如下图（部分）：E也定贯产投黄Z社塔消费品零害绍勻纯收入.E科研机枸隸量E卫生机枸数量i2.04441-.516601.G59061.940241.62927-.42520?1.31636.03023.55226.90174-.86049-.909265-.34281.88480-.30199-.03634.610731.0Z4B1!-.53582-42223-82403-62

11、3E9-.E7756-.16119)-.46360.19082-1.19862-.62105-.97366-.43612).602172.2&560-.43420.075521.40293.05641-.22950-.58107-.93506-.11133.38433-.71568r.0213&.01172-.7G471.03923.1014G.3D704i3.765902.412162.469243.23931.49756-.33483i.91971.58117.30226.965301.742441.50SB861311-.186171&47191613560448860300-.6330

12、3.22753-.40877-.50156-.06829.02201.35371-9SS52.19378.44669-.36122-.53932)-.E8934-.66181-.76386-.20285-.29453-.29742.037331.62445-.01131.02341.667321.O70GO-.65503.69377-.82912-.59181.78049.313601開94-.30945-.05877-.235001.12000.88230-.57671-.1524.35734S107371657.110522.678571.2?413.32781.63767-.5S211-

13、.46556.43531-.31052-.52098-.25702J.15134-1.27655.41751-.22573-1.76586-1.32671IcAcnQQ77DDZ人均GDP即为X1，Z固定资产投资即为X2，其余类推。调用计算变量模块(TransformComputeVariables),输入公式如下图所示：口帝央a：P：类出与标整0J.4B6ZA.ibjGDP+.4&1迄固定资产戦+.OB*斑会般品霍总额+.490*期以均斑收入+-3B3+ZH讯的苏亘+卫站*口生肌构鸵虽/人均GOP砂国污定广押壬畲吐会月贸品密芭忌越Z农时人均纯收入於贰眄卩旅埶至护王兰tum数亘ZcarQ,A.

14、1(71.3JK且卞1-=石LlIcAJLl.CDF与非中心GDFGQSQSCZ目荒口封灯巨LdLdLdL0JL_口期创建MQfflLm函敷和恃戏耳呈日:11计算出来的主成分丫1、Y2如下图所示:硏机构数量口2生机构数量Y1Y21.62927-425202.90-156-.06049-.90925.73-1.86.E10731.02481.64141-.67756-.16119-1.33.16-.97366-.43612-1.4J.111.40293.056411.551.31.38439.71569-.83-.02.10146.30704-.15.49766-.334335.43-2.361

15、.742441.508882.501.64.04488.603001.87-92-.06S29.02201-.64-35122-.53932-.16-1.10-.29463-.29742-1.19.04.667321.078601.201.4670049313G0-.291.451.12000.88230.221.1661073.71667.07.8E.32781.637672.42-.94-.52098-25702-.&7-.38-1.76586-1.32671-1.38-2131.572693377981.123.58由上述各步骤，我们就求得了主成分Y1和Y2。通过主成分得分，可以进行聚类

16、分析或者综合评价。聚类分析不再详述，下面再补充介绍一下综合评价的计算。根据公式，综合评价得分Y=w1*Y1+w2*Y2,w1、w2的值就是等于旋转之前的方差贡献率(如下图所示),本例中，两个权重w1、w2分别是0.55449和0.29771,故Y=0.55449*Y1+0.29771*Y2。注意：如果需要对权重进行归一化处理，则w1、w2分别是55.449/85.220和29.771/85.220,则Y=(55.449*Y1+29.771*Y2)/85.220。TotalVarianceExplaineclComponmntInitialEigenvaluesExtractionSumsofS

17、quaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%13.32755.44955.4493.327r55.449155.44921.78629.77185.220178629.771185*220|3.4970.28593.5054.2624.36297.3675.OSS1.47399.3406.040.660100.000ExtractionMethod:PrincipalComponentArimlyEiE以未归一化的权重为例，通过计算变量可以得到主成分综合评价得分Y,操作过程如下图所示：目标娈量CD匏字表

18、迖去E：:|Y.55449*Y1.29771*Y2崟型与标签再+=0339BSSSBOSBHSH話地区孑人均CLIP番固定资产投资矗社会消费品零售总撅搶农材人均纯收入搶科研机构数量蕃卫生机构数量Zscore(A均GDFZAZ5core(定贵严投资J.潺Zswe魁会消费品零Zscore(A均纯收/scored硏机构敷量ZscoreCE机构敎量Y2最终可以得出综合评价得分Y值，如下图所示:1爲4研机构数量2生檢构数量Y1Y2YM1.62927-.425202.90-1.561.1474-.8E049-.9092673-1.S6-.15.610731.02481.541.41.72円-.57765-

19、16119-1.33.16-.69)5-37356-.43612-1.43.11-.76521.40293.056411.561.311.2GG.38439-71568-.03-.02-.4713.10U6.30704-.15.46.06!14976B-.33483543-2.362.31501.742441.508882.501.641.88i6.044SS.G03001.87-.92.7G56-.06829.02201-.6457-.1819-.35122-.53932-.16-1.10-.A2!5-.29453-.29742-1.19.04-.65H.GG7321.078601.201.461.10!1.7B049.31360-.291.45.27)01.12000S8230.221.16.47送.61073.71657.07.86.30I3.32781.637572.42-.941.0652-.5209825702-.67-.38-.49r3-1.7B58S-1.32671-1.38-2.13-1.40501.572693.377981.123.581.69