spss主成分分析报告.docxVIP

实用标准文档 实验目的：原始数据中每一所高校具有 20 个相关性很高的变量，利用主成分分析法用 较少的变量去解释原来资料中的大部分变异，将手中的众多变量转化成彼此相互独立 或不相关的个数较少的变量，即所谓主成分，并用以解释资料的综合性指标，其实质 的目的是降维 原始数据截屏： 操作方法： 1. 描述性统计 SPSS 在调用因子分析过程进行分析时，SPSS 会自动对原始数据进行标准化处理， 所以在得到计算结果后指的变量都是指经过标准化处理后的变量，但 SPSS 不会直 接给出标准化后的数据，然后后期的计算需得到标准化数据，则需调用“描述”过 程进行计算,为了看到标准化数据，所以采用描述性统计下的描述操作获得标准化 后的变量数据 标准化数据： 文案大全 因子分析操作过程： 选取变量： X1：科研经费得分 X2：国家人文社科重点研究基地得分 X3:院士总数得分 X4:生均图书得分 X5:研究中心数得分 X6:国家重点实验室得分 X7:生均教学科研仪器设备得分 X8:生均教育事业经费得分 X9:精品课程得分 X10:优秀博士生论文总分 X11:人才得分 X12:二级学科建设得分 X13:生均固定资产得分 X14:科研论文得分 X15:博导及相关合计得分 X16:教师中博士学位比重得分 X17:一级学科得分 X18:高级职称比重得分 X19:师资总分 X20:SCI 数量 这里分析采用相关系数矩阵，输出选择为未旋转的因子解，并选择碎石图，抽取过程 选择基于特征值（特征值大于 1），最大收敛迭代次数：25，点击确定。 原数据中有较多的缺失值，选择按列表排除个案，点击继续。 分析结果： KMO 越接近 1，说明变量之间的相关性越强，原有变量适合做因子分析；Bartlett 的 球度检验值越小于显著性水平 0.05，越说明变量间存在相关关系。 本数据中 KMO 值为 0.736，sig.值为 0，符合因子分析条件，可进行因子分析，并进一 步进行主成分分析 累计贡献率 79.119%80%，由反映象相关矩阵中我们可以看出（如下图所示） 反映象相关矩阵中对角线上的数值应0.5,根据次标准，数据显示生均图书得分变 量不适合做因子分析，所以删去，重新做因子分析。 去除生均图书得分变量之后的因子分析结果： 累计百分比为 81.466%80%,且特征值均大于 1 结论： 初始特征根：λ1=6.901，,λ2=4.846，λ3=3.732 主成分贡献率：r1=36.32%,r2=25.506%,r3=19.640% 碎石图 旋转之后的主成分载荷矩阵，可以看出：SCI 数量，国家重点实验室得分，研究 中心数得分，研究中心数得分，科研经费得分，二级学科建设得分，科研论文得分， 优秀博士生论文得分，一级学科得分，精品课程得分与主成分 1 密切相关，可将其总 结归纳为软实力与资源指标；师资总分，博导及相关合计得分，人才得分，院士总数 得分，高级职称比重得分，教师中博士学位比重得分与主成分 2 密切相关，可将其归 纳总结为师资结构指标；生均教学科研仪器设备得分，生均教育事业经费得分，生均 固定资产得分与主成分 3 密切相关，可将其归纳为学生平均资产指标。 根据主成分 1 得分降序排列：由主成分 1 可以看出，清华大学，浙江大学，北京 大学，华中科技大学，西安交通大学，武汉大学，上海交通大学，中南大学，四川大 学，东南大学在论文发表以及国家级实验室得分方面位列前十名，其软实力雄厚； 根据主成分 2 得分降序排名：可以看出北京大学，中国人民大学，复旦大学等在师资 结构方面排名靠前，说明其在师资力量上占据很大竞争力 根据主成分 3 得分降序排名：可以看出清华大学，上海交通大学等前十名大学在学校 生均资产方面具有竞争力 2 计算主成分综合得分 Z=r1*FAC1+r2*FAC2+r3*FAC3 主成分贡献率：r1=36.32%,r2=25.506%,r3=19.640% 由综合得分可以看出：清华大学，北京大学，浙江大学，复旦大学，，，，，，等十所高校 位列我国高校前十名，与武书连等国内知名统计机构结果相近，也与我国现状相似