6用SPSS进行主成分分析中文版2.docVIP

用SPSS进行主成分分析 SPSS软件FACTOR模块提供了主成分分析的功能。下面，我们以SPSS软件包自带的数据Employee data为例，介绍主成分分析的上机实现方法，在SPSS软件的安装目录下可以找到该数据集。 数据Employee data为Midwestem银行在1969—1971年之间雇员情况的数据，共包括474条观测及以下10个变量：Id(观测号)、Gender(。性别)、Bdate(出生日期)、Educ(受教育程度)、Jobcat(工作种类)、Salary(目前年薪)、Salbegin(开始受聘时年薪)、Jobtime(受雇时间(月))、Prevexp(受雇以前的工作时间(月))、Minority(是否少数民族)。下面我们用主成分分析方法处理该数据，以期用少量的变量来描述该地区居民的雇用情况。 进入SPSS软件，打开数据集Employee data后，依次执行Analyze—DataReduction—Factor命令，如图1所示。 系统弹出选择变量和分析内容的主窗口，如图2所示。 图2 主成分分析的对话框 依次选中变量Educ，Salary，Salbegin，Jobtime，Prevexp并单击向右的箭头按钮，这5个变量变进入了图l中variable窗口。单击右侧的OK按钮，即可得到输出结果1。 输出结果1 Factor Analysis Communalities Initial Extraction Educational Level (years) 1.000 .754 Current Salary 1.000 .896 Beginning Salary 1.000 .916 Months since Hire 1.000 .999 Previous Experience (months) 1.000 .968 Extraction Method: Principal Component Analysis. Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2.477 49.541 49.541 2.477 49.541 49.541 2 1.052 21.046 70.587 1.052 21.046 70.587 3 1.003 20.070 90.656 1.003 20.070 90.656 4 .365 7.299 97.955 5 .102 2.045 100.000 Extraction Method: Principal Component Analysis. Component Matrix(a) Component 1 2 3 Educational Level (years) .846 -.194 -.014 Current Salary .940 .104 .029 Beginning Salary .917 .264 -.077 Months since Hire .068 -.052 .996 Previous Experience (months) -.178 .965 .069 Extraction Method: Principal Component Analysis. a 3 components extracted. 其中Communalities给出了从每个原始变量中提取的信息，表格下面的注释表明该次分析是用Factor analysis模块默认的信息提取方法即主成分分析。可以看出从原始变量中提取的信息都占75％以上。Total Variance Explained则显示了各主成分解释原始变量总方差的情况，SPSS默认保留特征根大于1的主成分，在本例中保留了3个主成分，这3个主成分集中了原始5个变量信息的90．66％，可见效果是比较好的。Component Matrix表中给出了标准化原始变量用3个主成分的线性表示的近似表达式。 在上面的主成分分析中，SPSS默认是从相关阵出发求解主成分，且默认保留特征根大于l的主成分，实际上，我们还可以自己选择，方法是：进入Factor Analysis对话框并选择好变量之后，单击Extraction按钮，系统弹出提取对话框，如图3所示。 图3因子提取对话框 该窗口下部的Extract小框内，有两项选择，要求决