主成分分析操作步骤.docVIP

SPSS 中主成分分析的基本操作 Xiaowenzi22 与 pinksss 共同制作 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 P 个指标），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 P 个指标作线性组合，作为新的综合指标。最经典的做法就是用 F1（选取的第 一个线性组合，即第一个综合指标）的方差来表达，即 Var(F1)越大，表示 F1 包 含的信息越多。因此在所有的线性组合中选取的 F1 应该是方差最打的，故称 F1 为第一主成分。如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 F2 即选第二个线性组合，为了有效地反映原来信息，F1 已有的信息就不需要再出 现再 F2 中，用数学语言表达就是要求 Cov(F1, F2)=0，则称 F2 为第二主成分，依 此类推可以构造出第三、第四，……，第 P 个主成分。 主成分模型： F1=a11X11+a21X21+……+ap1Xp F2=a12X12+a22X22+……+ap2Xp …… Fp=a1mX11+a2mX22+……+apmXp 其中 a1i, a2i, ……,api(i=1,……,m)为 X 的协差阵Σ的特征值多对应的特征向 量，X1, X2, ……, Xp 是原始变量经过标准化处理的值（因为在实际应用中，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=( aij ) p?m =(?1 , ? 2 , …,? m ), R? i ? ?i? i , R 为相关系数矩阵, ?i、? i 是相应 的特征值和单位特征向量, 上述方程组要求： ?1 ≥ ?2 ≥…≥ ? p ≥0 1、a2 2 +……+a2 =1 (i=1,……,m) 2、 A?A ? I m (A=( aij ) p?m =(?1 , ? 2 , …,? m )，A 为正交矩阵) 3、Cov(Fi ,Fj )=?i ? ij , ? ? ? 0 ij ? 1 i ? j i ? j  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 Variable 去 并在下面的提示前打钩 3、然后点“OK” 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 Variables 去 4、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 continue 钮 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 Coefficients 前的方框打上钩 11、然后点击 continue 钮 12、返回上个对话框，点击“OK” Total Variance Explained  Component 1 2 3 4 5 6 7 8 Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 3.849 48.118 48.118 3.849 48.118 48.118 1.808 22.594 70.712 1.808 22.594 70.712 1.306 16.329 87.042 1.306 16.329 87.042 .595 7.443 94.485 .595 7.443 94.485 .289 3.608 98.092 .289 3.608 98.092 .078 .977 99.069 .078 .977 99.069 .057 .718 99.787 .057 .718 99.787 .017 .213 100.000  Extraction Method: Principal Component Analysis. 三、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，由于前 3 个特征值累计贡献率达到 87.042%，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“Component Matrix