SPSS进行主成分分析报告地步骤(图文).pdfVIP

实用标准文档 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： 文案大全 实用标准文档 單擊 Descriptives 按鈕，打開 Descriptives 次對話框，勾選 KMOand 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： 文案大全 实用标准文档 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： 文案大全 实用标准文档 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： 文案大全 实用标准文档 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 文案大全 实用标准文档 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