spss实验教程课件第8章.pptxVIP

第8章 主成分分析和因子分析 ;第8章 主成分分析和因子分析 ;第8章 主成分分析和因子分析;实验一 主成分分析 ;实验一 主成分分析;主成分分析的基本思想 ;主成分分析的基本理论 ;主成分分析的基本理论;主成分分析的基本理论;主成分分析的基本理论;主成分分析的基本步骤;主成分分析的基本步骤;实验一 主成分分析;实验一 主成分分析;实验一 主成分分析;2011年浙江省11座城市国民经济主要指标 ; ; ; ; ; ; ; ; ;实验结果和分析 ; ; ; ; ; ; ; ; ; ; ; ; ; 同理， 在计算变量对话框的目标变量文本框中输入y2（第二主成分得分），标准化之后的原始变量zx1，zx2…，zx10组成的表达式：0.421 * Zx1-0.306 * Zx2 - 0.248 * Zx3 - 0.138 * Zx4 + 0.062 * Zx5 - 0.095 * Zx6 - 0.117 * Zx7 - 0.272 * Zx8 + 0.367 * Zx9 + 0.644 * Zx10 把上面的表达式键入数字表达式文本框中，单击确定按钮，在SPSS数据编辑窗口将会出现一个名为y2的变量，即为第二主成分得分，即为第二主成分得分。 最后，计算综合得分。如果要计算各个地区的综合得分，按照下式： y=0.7791*y1+0.1406*y2 其中y1为样本第一主成分得分，y2为样本第二主成分得分，由综合得分可以对各个地区国民经济主要指标进行排名。 ; ; ; ;实验总结 主成分分析不能看作是研究的结果，它经常与其他方法相结合使用，在主成分分析的基础上继续采用其他多元统计方法来解决实际问题。 ;实验总结 一般来说，由协方差矩阵出发求解主成分所得结果与由相关矩阵出发求解主成分所得结果有很大不同。对于度量单位不同的指标或取值范围彼此差异非常大的指标，不能直接由其协方差矩阵出发进行主成分分析，而应该考虑将数据标准化(从相关矩阵出发)。对于同度量单位或取值范围在同量级的数据还是直接从协方差矩阵求解。 ;实验总结 主成分分析适用于变量之间存在较强相关性的数据，如果原始数据相关性较弱，应用主成分分析后不能起到很好的降维作用，所得的各个主成分浓缩原始变量信息的能力相差不大。一般认为，当原始数据大部分变量的相关系数都小于0.3时，应用主成分分析取得的效果不理想。 ;实验总结 为了分析各样本在主成分所反??的经济意义方面的情况，还可以将标准化后的原始数据代入主成分表达式计算出各样本的主成分综合得分，例如可以按照主成分得分对样本进行排序、分类等。 ;实验二 因子分析 ;实验二 因子分析; 因子分析模型及基本概念 ; 因子分析模型及基本概念 ;因子分析通常采取的几种方法 ;因子分析通常采取的几种方法 ;因子分析通常采取的几种方法 ;因子分析通常采取的几种方法 ;因子提取和因子载荷矩阵的求解 ;因子提取和因子载荷矩阵的求解 ;因子命名和因子载荷矩阵的旋转 ;计算因子得分 ;因子分析中另外几个重要的相关概念 ;因子分析中另外几个重要的相关概念 ; 因子分析前提条件检验 ;因子分析中另外几个重要的相关概念 ;因子分析的基本步骤 ;实验二 因子分析;实验二 因子分析; 2006年省会城市和计划单列市主要经济指标 ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ;实验结果 ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ;实验总结 因子分析和主成分分析都依赖于原始变量，也只能反映原始变量的信息。所有原始变量的选择就显得很重要，一定要符合分析所要达到的目标，不能夹杂毫不相关的变量。另外变量之间越相关，因子模型的分析效果就越好。如果原有变量相互独立，不存在信息重叠，就很难把许多独立变量由少数综合变量概括。因此在因子分析之前，往往需要通过对变量之间相关性的分析来判断进行因子分析是否合适。 ;实验总结 主成分分析和因子分析都是多元统计分析的常用方法，二者的出发点是一致的，其目的都是为了降低变量的维数，即在有关信息损失最小的情况下，将多个变量指标转化为较少的几个指标。正因为如此，二者都在SPSS中降维、简化数据模块中的因子分析过程实现。 ;实验总结 因子分析提取的公因子比主成分分析提取的主成分更具有可解释性。主成分分析不考虑观察变量的度量误差，直接用观察变量的某种线性组合来表示一个综合变量；而因子分析的潜在变量则校正了观察量的度量误差，且它还进行因子旋转，使潜在因子的实际意义更明确，分析结论更真实。 ;实验总结 因子