第章问题纠正.docVIP

尊敬的读者：首先何晓群在这里向您道歉！由于我的水平和其他原因造成本书错误很多，在最近第2次印发时我将纠正一些。希望朋友们继续关注本书，多提批评意见！ 前言： Spss的Analyze菜单下的Factor是因子分析模块, 其运行输出的是因子分析的结果.由于spss没有单独进行主成分的模块，因而使用spss不能直接得到主成分分析所要的结果.但因子分析模块的输出结果与主成分分析的相关参数之间仍然有以下关系. 利用Spss的Factor模块进行因子分析时,提取主因子(Extraction) 的方法(Method)有7种,当选取默认的主成分方法(Principal components), 采用相关阵(Correlatioin Matrix),且不旋转（Rotation选项Mothod选none）,因子得分法选取回归法(Regression)时,可以利用因子分析的输出结果进行一些简单的运算得到主成分分析结果. 具体有以下几点: 第一:若设相关阵的前个特征值以及对应的单位正交特征向量为,则主成分系数矩阵为: 因子载荷阵为: 载荷阵的第列的平方和为，而不是1。 由于在以上选项下, 因子分析运行结果输出的是因子载荷矩阵(Spss输出结果中用Component Matrix表示)而不是主成分的系数矩阵，因此,只要对Spss的因子分析模块运行结果输出的Component Matrix的第列的每个元素分别除以第个特征根的平方根就得到主成分分析的第个主成分的系数. 第二:利用第一步得到的主成分系数矩阵的转置,右乘标准化的原始数据矩阵,就可以得到样本的主成分得分. 同理,因子分析模块输出结果是因子得分而不是主成分得分.主成分得分的计算除了上述方法外,也可以通过对样本的因子得分的第列分别乘以得到同样的结果. 造成以上错误的原因是对spss的输出结果误读。 第三: 关于用样本主成分得分进行排序问题，一直以来存在较大争议，我目前比较同意的观点是：只有第一主成分解释总体的方差比例比较大，且系数全为正的时候，第一主成分才可以用来进行排序。如果系数中有正有负或近似为零，说明第一主成分有可能是无序指数，不能用来作为排序评估指数。而如果第一主成分系数全为正，则第二、三，…主成分由于与第一主成分正交,系数肯定有正有负，因而一般来说均为无序指数。因此,原书中对提取的主成分用特征值加权进行结合排序缺乏理论依据. 关于以上问题更正如下: 例5-2 主成分1 主成分2 主成分3 Educational Level (years) 0.53765 -0.18898 -0.01396 Current Salary 0.597457 0.101834 0.028523 Beginning Salary 0.58245 0.256952 -0.07677 Months since Hire 0.043243 -0.05093 0.994159 Previous Experience (months) -0.1134 0.940903 0.068887 例5-3 主成分1 主成分2 x1 0.3755586 -0.25951 x2 0.393395813 0.134374 x3 0.375255624 0.265294 x4 0.093534287 0.711329 x5 0.174558959 0.491327 x6 0.372149447 -0.16496 x7 0.361616463 -0.2254 x8 0.351316079 -0.05236 x9 0.362594168 -0.12675 主成分得分 第一主成分得分 第二主成分得分 2.816239841 2.425742129 3.735829967 0.536482861 -0.486828802 -0.097749034 -2.021989863 0.384575126 -2.976295445 -0.732495523 -0.418012699 1.267645642 -1.613556631 -0 -1.041544315 0.692268317 7.037719614 1 3-2.806731363 4.368435275 -1.821381876 0.072251417 -0.598316564 0.512410174 -0.523112282 -1.189846588 -1.252904171 0.984384186 -0.362782807 -1.027545005 0.097747245 0-0.300258322 -0.043