spss进行主成分分析及得分分析.doc

【MeiWei81-优质实用版文档】 PAGE 【MeiWei81-优质实用版文档】 spss进行主成分分析及得分分析 1 将数据录入spss 2 数据标准化：打开数据后选择分析→描述统计→描述，对数据进行标准化，选中将标准化得分另存为变量： 3 进行主成分分析：选择分析→降维→因子分析， 4 设置描述性，抽取，得分和选项： 5 查看主成分分析和分析： 相关矩阵表明，各项指标之间具有强相关性。比如指标GDP总量与财政收入、固定资产投资总额、第二产业增加值、第三产业增加值、工业增加值的相关系数较大。这说明他们之间指标信息之间存在重叠，适合采用主成分分析法。（下表非完整呈现） 6 由TotalVarianceEGplained（主成分特征根和贡献率）可知，特征根λ1=9.092，特征根λ2=1.150前两个主成分的累计方差贡献率达93.107%，即涵盖了大部分信息。这表明前两个主成分能够代表最初的11个指标来分析河南各个城市经济综合实力的发展水平，故提取前两个指标即可。主成分，分别记作F1、F2。 7 指标G1、G2、G3、G4、G5、G6、G7、G8、G9、G10在第一主成分上有较高载荷，相关性强。第一主成分集中反映了总体的经济总量。G11在第二主成分上有较高载荷，相关性强。第二主成分反映了人均的经济量水平。但是要注意： 这个主成分载荷矩阵并不是主成分的特征向量，也就是说并不是主成分1和主成分2的系数，主成分系数的求法是：各自主成分载荷向量除以各自主成分特征值的算术平方根。 8 成分得分系数矩阵（因子得分系数）列出了强两个特征根对应的特征向量，即各主要成分解析表达式中的标准化变量的系数向量。故各主要成分解析表达式分别为：F1=0.32ZG11+0.33ZG12+0.31ZG13+0.31ZG14+0.32ZG15+0.32ZG16+0.32ZG17+0.32ZG18+0.32ZG19+0.21ZG110+0.15ZG111 F2=8.46ZG21+0.02ZG22-0.02ZG23-0.20ZG24-0.23Z25-0.04ZG26-0.15ZG27-0.02ZG28+0.10ZG29+0.47ZG210+0.78ZG211 9 主成分的得分是相应的因子得分乘以相应的方差的算术平方根。即：主成分1得分=因子1得分乘以9.092的算术平方根主成分2得分=因子2得分乘以1.150的算术平方根例如郑州：主成分因子=FAC1_1G9.092的算术平方根=3.59386G9.092的算术平方根=10.83，将各指标的标准化数据带入个主成分解析表达式中，分别计算出2个主成分得分（F1、F2），再以个主成分的贡献率为全书对主成分得分进行加权平均，即：H=（82.672GF1+10.497GF2）/93.124，求得主成分综合得分。 END 经验内容仅供参考，如果您需解决具体问题(尤其法律、医学等领域)，建议您详细咨询相关领域专业人士。 举报作者声明：本篇经验系本人依照真实经历原创，未经许可，谢绝转载。