SPSS主成分分析和因子分析分析.ppt

西南财经大学出版社 SPSS16.0与统计数据分析 * 第十一章 主成分分析和因子分析 * 主要内容 11.1 主成分析 12.2 因子分析 * 11.1 主成分析 基本概念 主成分分析（Principal Component Analysis）就是考虑各指标之间的相互关系，利用降维的方法将多个指标转换为少数几个互不相关的指标，从而使进一步研究变得简单的一种统计方法。主成分分析是由Hotelling于1933年首先提出的，是利用“降维”的思想，在损失很少信息的前提下把多个指标转化为几个综合指标，称为主成分。分类变量和连续变量均可以参与两步聚类分析。 每个主成分均是原始变量的线性组合，且各个主成分之间互不相关，这就使得主成分比原始变量具有某些更优越的性能。主成分分析不能看作是研究的结果，而应该在主成分分析的基础上继续采用其他多元统计方法来解决实际问题。 * 11.1 主成分析 统计原理 第i个主成分： 设第k个主成分的方差占总方差的比例为 ，则有： 主成分的计算公式为： * 11.1 主成分析 分析步骤 第1步 原始数据的标准化处理； 第2步 计算相关系数矩阵； 第3步 计算特征值及单位特征向量； 第4步 计算主成分的方差贡献率和累计方差贡献率； 第5步 计算主成分。 * 11.1 主成分析 SPSS实现举例 【例11-1】为了从总体上反映世界经济全球化的状况，现选择了具有代表性的16个国家的数据，这些国家参与经济全球化程度指标值见下表。试对其进行主成分分析。 编号 国家 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 1 中国 3.205 54.5 28.53 0.878 1.409 0.894 11.6 2.305 0.547 2.932 4.818 9.003 2.7 3.914 1.472 2 印度 1.449 31.1 0.279 0.339 0.272 0.1 2.7 0.128 0.193 0.825 2.318 5.127 0.6 4 0.218 3 日本 14.079 52.3 0.653 10.254 11.769 1.097 0 1.967 1.3 6.178 14.746 27.297 30.9 57.734 15.125 4 韩国 1.318 136.3 1.011 1.6 0.42 1.838 1.3 0.77 0.78 2.267 23.32 42.875 9.1 12.129 0.452 5 新加坡 0.275 739.5 3.572 27.841 0.884 13.314 28.6 0.622 0.143 1.885 169.772 319.907 54.2 917.328 0.718 6 美国 29.641 46.1 3.682 6.429 20.563 4.808 5.4 24.253 29.941 15.638 10.784 24.555 13.6 24.495 21.274 7 加拿大 2.056 101.5 0.898 8.276 2.313 5.369 10.5 2.444 5.145 3.854 34.691 67.047 15.1 21.83 1.362 8 巴西 2.434 27.1 1.584 2.327 0.962 2.905 6.8 1.953 2.3 0.857 4.716 10.101 6.7 5.498 1.104 9 墨西哥 1.567 151.4 1.657 2.837 0.797 1.471 10.9 0.67 0.212 2.186 18.485 37.986 4.5 4.887 0.468 10 英国 4.67 118.4 0.497 26.151 12.456 22.137 11.2 16.552 19.642 5.542 28.434 58.7 66.1 278.968 11.289 11 法国 4.639 120.6 1.84 9.242 4.492 10.848 8.5 8.282 5.841 5.21 28.46 54.052 29.2 56.453 8.889 12 德国 6.84 132.9 2.252 9.558 6.646 7.747 2.2 8.589 8.971 8.843 32.121 63.174 36 51.514 12.18 13 意大利 3.792 104.5 0.321 8.153 3.724 1.059 2.5 0.77 1.913 4.032 22.869 43.92