数学建模 宋云燕——SPSS数据分析教程_主成分分析2.pptVIP

SPSS数据分析 主成分分析 选择主成分个数的方法 给出方差贡献率?，即给出希望得到的全部信息的比例。要求输出能够反映全部信息的100?%的主成分。 设定特征值满足的条件或者直接给出所需要的主成分的个数s 。 主成分分析实现方法 选择【分析】→【降维】→【因子分析】，把变量X1到X5都选到“变量”框中。 Bartlett球形检验（1） 主成分分析的原始变量之间必须有相关性，如果变量之间相互独立，则无法用主成分分析法来进行数据降维。 Bartlett球形检验的假设为 原假设：相关系数矩阵为单位矩阵（即变量互不相关）。 备择假设：相关系数矩阵不是单位矩阵（即变量之间有相关关系）。 Bartlett球形检验（2） SPSS将提供Bartlett球形检验的卡方统计量的值、相应的自由度和显著性值。如果显著性值小于0.05，则认为主成分分析是适宜的。卡方统计量的值越大，变量之间的相关性越强。 KMO统计量 （1） KMO统计量比较样本相关系数和样本偏相关系数，它用于检验样本是否适于作主成分分析。 KMO统计量的取值在0和1之间，该值越大，则样本数据越适于作主成分分析和因子分析。一般要求该值大于0.5，方可以应用主成分分析或者相关分析。 KMO统计量 （2） 基于相关系数矩阵还是协方差矩阵 当变量取值范围变化很大或者量纲变化时，协方差矩阵变化很大。一般情况下，主成分分析都是基于相关系