主成分分析PPT创新.pptVIP

结果解释 KMO值大于0.5，Bartlett’s Test的Sig. 大于0.05表明可用因子分析 结果解释 说明提取的几个因子包含每个原变量的程度 公因子方差 结果解释 这里的Initial Eigenvalues就是特征值（数据相关阵的特征值）。头三个成分特征值累积占了总方差的86.596%。后面的特征值的贡献越来越少。 特征值的贡献还可以从SPSS的所谓碎石图看出 怎么解释这三个主成分。前面说过主成分是原始九个变量的线性组合。是怎么样的组合呢？SPSS可以输出下面的表。 这里每一列代表一个主成分作为原来变量线性组合的系数（比例）。比如第一主成分写成九个原先变量的线性组合，系数（比例）为0.739, 0.123, -0.964, 0.042, 0.813, 0.819，0.933，0.197，0.964。 如用x1~x9分别表示原先的九个变量，而用y1,y2,y3, 表示新的主成分，那么，原先九个变量x1,x2,x3,x4,x5,x6与第一和第二第三主成分y1,y2，y3的关系为： y1=0.739x1+0.123x2-0.964x3+0.042x4+ 0.813x5+0.819x6+0.933x7+0.197x8+0.964x9 …… …… 这些系数称为主成分载荷（loading），它表示主成分和相应的原先变量的相关系数。 相关系数(绝对值）越大，主成分对该变量