SPSS进行主成分分析的步骤(图文).pdfVIP

主成分分析の操作過程 原始數據如下（部分） 調用因子分析模塊 （Analyze―Dimension Reduction―Factor），將需要參與分析の 各個原始變量放入變量框，如下圖所示： 單擊 Descriptives按鈕，打開 Descriptives 次對話框，勾選 KMO and Bartlett’s test of sphericity 選項（ Initial solution 選項為系統默認勾選の，保持默認即可） ，如下圖 所示，然後點擊 Continue 按鈕，回到主對話框： 其他の次對話框都保持不變（此時在 Extract 次對話框中， SPSS已經默認將提取 公因子の方法設置為主成分分析法） ，在主對話框中點 OK 按鈕，執行因子分析， 得到の主要結果如下面幾張表。 ① KMO和 Bartlett 球形檢驗結果： KMO 為 0.6350.6，說明數據適合做因子分析； Bartlett 球形檢驗の顯著性 P 值為 0.0000.05，亦說明數據適合做因子分析。 ②公因子方差表，其展示了變量の共同度， Extraction 下面各個共同度の值都大 於 0.5，說明提取の主成分對於原始變量の解釋程度比較高。本表在主成分分析 中用處不大，此處列出來僅供參考。 ③總方差分解表如下表。由下表可以看出，提取了特征值大於 1 の兩個主成分， 兩個主成分の方差貢獻率分別是 55.449%和 29.771%，累積方差貢獻率是 85.220%； 兩個特征值分別是 3.327 和 1.786 。 ④因子截荷矩陣如下： 根據數理統計の相關知識， 主成分分析の變換矩陣亦即主成分載荷矩陣 U 與因子載荷矩陣 A 以及特征值 λの數學關系如下面這個公式： U i A i i 故可以由這二者通過計算變量來求得主成分載荷矩陣 U。 新建一個 SPSS數據文件，將因子載荷矩陣中の各個載荷值複制進去，如下圖所 示： 計算變量（ Transform-Compute Variables）の公式分別如下二張圖所示： 計算變量得到の兩個特征向量 U1 和 U2 如下圖所示（ U1 和 U2 合起來就是主成 分載荷矩陣）： 所以可以得到兩個主成分 Y1 和 Y2 の表達式如下： Y1＝0.456X1+0.401X2+0.428X3+0.490X4+0.380X5+0.253X6 Y2＝-0.367X1+0.322X2-0.323X3-0.303X4+0.453X5+0.602X6 由上面兩個表達式，可以通過計算變量來得到 Y1、Y2 の值。需要注意の是，在 計算變量之前， 需要對原始變量進行標准化處理， 上述 Y1、Y2表達式中の X1~X9 應為各原始變量の標准分，而不是原始值。 （另外需注意，本操作需要在 SPSS原 始文件中來進行，而不是主成分載荷矩陣の那個 SPSS數據表中。） 調用描述統計：描述模塊（ Analyze－Descriptive Statistics－Descriptives），將各個 原始變量放入變量框，並勾選 Save standardized values as variables框，如下圖所 示： 得到各個原始變量の標准分如下圖（部分） ： Z 人均 GDP即為 X1，Z 固定資產投資即為 X2，其餘類推。 調用計算變量模塊（ Transform－Compute Variables），輸入公式如下圖所示： 計算出來の主成分 Y1、Y2 如下圖所示： 由上述