运用spss做因子分析与主成分分析 一复习课程.pptVIP

主成分分析和因子分析 ;案例1：成绩排名;主成分分析;;主成分分析;怎么解释这两个主成分。前面说过主成分是原始六个变量的线性组合。是怎么样的组合呢？SPSS可以输出下面的表。 ;如用x1,x2,x3,x4,x5,x6分别表示原先的六个变量，而用y1,y2,y3,y4,y5,y6表示新的主成分，那么，原先六个变量x1,x2,x3,x4,x5,x6与第一和第二主成分y1,y2的关系为： X1=-0.806y1 + 0.353y2 X2=-0.674y1 + 0.531y2 X3=-0.675y1 + 0.513y2 X4= 0.893y1 + 0.306y2 x5= 0.825y1 + 0.435y2 x6= 0.836y1 + 0.425y2 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。 比如x1表示式中y1的系数为-0.806，这就是说第一主成分和数学变量的相关系数为-0.806。 相关系数(绝对值）越大，主成分对该变量的代表性也越大。可以看得出，第一主成分对各个变量解释得都很充分。而最后的几个主成分和原先的变量就不那么相关了。 ;因子分析概述;因子分析的数学模型和相关概念;因子分析的基本内容;因子分析的前提条件;因子提取和因子载荷矩阵的求解;因子提取和因子载荷矩阵的求解;因子的命名;计算因子得分;因子分析的基本操作;主成分分析与因子分析的公式上的区别;因子分析和主成分分析的一些注意事项 ;　　　某造纸厂有20个工厂，现要对每个工厂做经济效益分析，选取5个指标做分析。 x1：固定资产的产值率； x2：净资产的劳动生产率； x3:百元产值的流动资金占有率； x4：百元产值的利润率； x5：百元资金的利润率。;;;　　【1】变量标准化：由于原始数据表的量级有很大差别，必须先进行标准化处理 【2】计算样本相关矩阵R ;　　　【求特征值和特征向量】 　　　V = -0.5026 -0.3456 -0.5115 0.4507 -0.4039 -0.4997 0.2857 0.1421 -0.6283 -0.5038 0.4736 0.3829 0.1469 0.3775 -0.6819 -0.0698 0.7461 -0.6050 0.0454 0.2652 -0.5182 0.3092 0.5749 0.5075 0.2185 D = 2.6857 0 0 0 0 0 1.7124 0 0 0 0 0 0.0499 0 0 0 0 0 0.3448 0 0 0 0 0 0.2072　　　;　　　 　　【特征值和特征向量分析】 （1）第一、第二特征值分别为2.6857和1.7124,由于（2.6857+1.7124）*0.2=0.8796；累计贡献率为87.96%，故只需两个主要成分。 （2）对应的标准化的特征向量为 l1=(0.5026,0.4997,-0.4736,0.0698,0.5182)T 12=(0.3456，0.2857，0.3829，0.7461，0.3092)T ;　　　【结果分析】 　前两个主成分为： y1=0.5026*z1+0.4997*z2-0.4736*z3+0.0698*z4+ 0.5182*z5 y2=-0.3456*z1+0.2857*z2+0.3829*z3+0.7461*z4+ 0.3092*z5 ; 结论：从结果看，x1 x2 x4 x5这4个指标从反面反映了工厂的经营状况，取值越大，工厂经营越好；x3的影响相反，这与各指标在第一主要成分y1中的系数符号一致。因此，第一主要成分反映了工厂的总体经营状况的好坏，由此得到第11工厂总体经营状况最好，第6工厂总体经验状况最差。第二主要成分y2的意义没有y1那么明显，但注意到y2中z4系数特别大，因此该变量主要反映该工厂的经营能力。;*